## Hiệu suất ở mức độ con người là cần thiết cho AGI kết thúc một chuyến đi tuyệt vời 🇸🇬 nơi tôi đã có cơ hội gặp gỡ @agihippo + đã được thấy @jeffdean @quocleix @denny_zhou và những người khác đưa ra các cập nhật "Tình trạng GDM" năm 2025* cho đến nay, chủ đề lặp đi lặp lại số 1 trong các cuộc trò chuyện của chúng tôi là hiệu suất học tập. thời gian tính toán suy diễn đang là tâm điểm hiện nay nhưng #hiệu suất đang đến tiếp theo, và tôi thường đi trước phần lớn từ 3-6 tháng khi sự đồng thuận của các phòng thí nghiệm tiên phong kiểu này đến được qua cái đầu dày của tôi. mọi người thường ngạc nhiên và sau đó thường đồng ý khi tôi vẽ một đường liên kết từ sự đột phá của học tự giám sát và RLAIF và RLVR rằng tất cả chỉ là những thay đổi bước trong hiệu suất đạt được trên mỗi điểm dữ liệu, và bước nhảy tiếp theo của hiệu suất này rõ ràng là điều mà Quoc đã xác nhận Ilya cũng đang làm trong bài nói của anh ấy được đề cập bên dưới + "ngọn núi" mà Ilya đã xác định tại NeurIPS. Tôi sẽ đặt cược một ít tiền rằng giải pháp cho điều này là một khối/abstraction mới không phải transformers mà không chỉ là "đa tác nhân" và giống như việc kiểm tra theo thời gian thực và giải quyết các giả thuyết mô hình thế giới tiềm năng, giống như cách bạn giải một câu đố sudoku hoặc chơi Cluedo. đây là cách hệ thống duy nhất mà tôi biết để tinh giản quá trình học tập của con người nơi chúng ta có thể học các khái niệm với 10-20 lần điểm dữ liệu trên mỗi khái niệm ít hơn so với SOTA hiện tại. Nếu tôi là một nhà nghiên cứu, tôi sẽ bắt đầu từ đây ngay bây giờ... và sẽ rất mỉa mai/thú vị nếu đây là chiến thắng cuối cùng của @ylecun.