技术博客

近年来，关于通用人工智能（AGI）的发展预测愈发频繁且乐观，麻省理工学院（MIT）甚至预测在2028年实现AGI的可能性已达到50%。时间预测从最初的50年缩短至5年，一些专家更预测AGI将在2026年或2028年成为现实。然而，AI在ARC测试中得分为0%，表明其在人类基本认知能力方面仍处于初级阶段。这一反差引发了对AI是否真正准备就绪的质疑。奥特曼意外地改变了立场，认为AGI可能并不如想象中那么有用。面对激烈的讨论和技术发展的不确定性，我们是否过早地对AI的能力抱有过高期望，仍需深思。

麻省理工学院（MIT）的最新研究揭示了在大规模语言模型（LLM）的发展中，Scaling Law仍然具有巨大潜力。研究团队发现，通过在测试阶段进行训练，可以显著提升模型性能，使其在ARC公共基准测试中的表现达到61.9%，与人类水平相当。这一发现突破了传统观点，即Scaling Law仅依赖于参数规模的增加，展示了在大模型上进行测试时训练的突破性效果。