## AGIには人間レベルの効率が必要 @agihippoと遊ぶことができた素晴らしい🇸🇬旅行を終える + @jeffdean @quocleix @denny_zhouらが「State of GDM」2025 の最新情報を提供するのを見ることができました* 私たちの会議で繰り返される#1のテーマは、学習効率です。推論時間の計算は今大流行していますが、次 #efficiencyiscoming、このような感情を抱くと、通常、大多数より3〜6か月進んでいます。 人々はしばしば驚き、そして私が自己教師あり学習とRLAIFとRLVRのブレークスルーからスルーラインを引くと、それらはすべてデータポイントごとに得られるパフォーマンスの段階的な変化にすぎないと同意し、この効率の次の指数のジャンプは明らかに、QuocがIlyaが以下を参照する彼の講演で取り組んでいることを確認したこと+彼がNeurIPSで特定したIlyaの「山」でした。 これに対する解決策は、「単なるマルチエージェント」ではなく、数独パズルを解いたり、Cluedoをプレイしたりするような、潜在的な世界モデル仮説のリアルタイムテストと解決に似た、新しい非トランスフォーマーブロック/抽象化であると賭けます。これは、現在のSOTAよりも10〜20倍少ない概念ごとに10〜20倍のデータポイントで概念を学習できる、人間の学習プロセスを要約する方法を私が知っている唯一の体系的な方法です。 もし私が研究者だったら、今から始めます...そして、これが@ylecunの究極の勝利だったとしたら、それは非常に皮肉でクールなことです。 *+ 地元の政府系資産+スタートアップとのミーティングをいくつか行いました!