## A eficiência ao nível humano é necessária para a AGI terminando uma grande viagem 🇸🇬 onde pude passar tempo com @agihippo + vi @jeffdean @quocleix @denny_zhou e outros darem atualizações sobre o "Estado do GDM" 2025* de longe, o tema recorrente número 1 nas nossas conversas é a eficiência de aprendizagem. o tempo de computação de inferência está na moda agora, mas a #eficiênciaestáchegando a seguir, e eu geralmente estou 3-6 meses à frente da maioria quando esse tipo de consenso de laboratório de fronteira chega à minha cabeça dura. as pessoas costumam ficar surpresas e depois geralmente concordam quando eu traço uma linha contínua entre a descoberta da aprendizagem auto-supervisionada e RLAIF e RLVR, que são todas apenas mudanças de etapa no desempenho ganho por ponto de dados, e o próximo salto exponencial dessa eficiência foi obviamente o que Quoc confirmou que Ilya também está trabalhando em sua palestra referenciada abaixo + a "montanha" que Ilya identificou na NeurIPS. Eu apostaria algum dinheiro que a solução para isso é um novo bloco/abstração não-transformadores que não é "apenas multiagentes" e é mais semelhante ao teste em tempo real e resolução de hipóteses de modelos de mundo potenciais, meio que como você resolve um quebra-cabeça de sudoku ou joga Cluedo. esta é a única maneira sistemática que conheço para reduzir o processo de aprendizagem humano onde podemos aprender conceitos com poucos exemplos com 10-20x menos pontos de dados por conceito do que o SOTA atual. Se eu fosse um pesquisador, começaria aqui agora... e seria muito irônico/legal se esta fosse a vitória final de @ylecun.