近日，前OpenAI首席科学家Andrej Karpathy提出一种融合监督微调（SFT）和强化学习（RL）的统一理论，旨在提升AI学习效率。他指出，传统监督学习依赖大量人工标注数据，成本高昂且难以扩展；而强化学习虽具扩展性，但效率较低。Karpathy认为人类学习并非逐次调整，而是通过复盘反思寻找规律，这与当前AI机制背离。他的新理论分为四步：执行收集、反思总结、应用迭代和优化提升，强调结构化知识整合，使AI更接近人类智慧。这一创新理论引发广泛讨论，被认为能有效解决AI泛化能力和资源消耗问题，为未来AI发展指明方向。
本内容由作者授权发布，观点仅代表作者本人，不代表虎嗅立场。
如对本稿件有异议或投诉，请联系 tougao@huxiu.com。
