AI 研究者预警：现有范式面临扩展天花板

在 9 月 13 日的 Dwarkesh Patel 访谈中，OpenAI 联合创始人 John Schulman 与 Charlie O'Neill，连同研究员 Beren Millidge 共同揭示了递归自我改进路径中的关键技术挑战。他们认为，当前主流的 Transformer 结合强化学习架构，在应对复杂泛化任务、长期连续学习以及低样本适应能力上正逼近性能边界。

短期效能突破可期，通用智能仍需数年积淀

研究团队预测，部分垂直领域的人工智能应用有望在未来一至两年内带来约十倍的生产效率跃升。然而，要达成真正具备自主推理与跨域迁移能力的通用人工智能，尚需额外三到五年时间的技术突破与系统性验证。

真实场景数据驱动成为小型团队制胜关键

他们特别强调，利用实际部署环境中积累的真实世界数据进行持续迭代，将成为资源有限的研究机构区别于大型科技公司的核心优势，有助于弥补算力与规模差距。