经验从哪里来？
静态人类语料、真实行动反馈，还是系统自己生成的课程？
Sutton · Silver · Levine · Finn12条技术路线
13篇深度长文
40+年研究跨度
论文结果、本人判断、脉络归纳与作者判断分层标注。
THE DISAGREEMENT MAP
真正的分歧，不是“谁更懂 AI”
它们是在争：下一次能力跃迁的瓶颈，究竟落在经验、表示、运行时计算，还是系统与硬件接口。
世界怎样被表示？
语言压缩已经足够，还是必须维护可预测、可行动的空间状态？
LeCun · Fei-Fei Li · Hassabis思考发生在何时？
把能力写进参数，还是在测试时搜索、验证并重新规划？
Brown · Chollet · Bengio底座受什么约束？
算法复杂度之外，记忆容量、数据搬运与硬件拓扑怎样改写架构？
Tri Dao · Albert Gu · HintonLONG-FORM READING
先看见森林，再进入一条路线
总论 · 建议首读
LLM 之后，究竟在争论哪一种“下一步”
把十二条路线放进同一条智能回路，区分可组合的模块、真正的技术张力与未来三年的证伪指标。
阅读方法
每读一篇，只追四个问题
- 01他认为什么是当前真正的瓶颈？
- 02上一阶段的系统为什么不够？
- 03新路线依赖哪个尚未证明的假设？
- 04什么现实指标会迫使他再次转向？
12 条人物路线
按研究脉络排序 · 点击进入全文Yann LeCun
机器怎样从高带宽观察中学到可预测的抽象状态，并用它进行分层规划？
- ConvNet
- Energy-based model
- JEPA
Richard Sutton / David Silver
智能怎样从行动后果与长期在线经验中成长？
- TD 学习
- AlphaZero
- MuZero
François Chollet
会很多题，是否等于能高效学会真正的新题？
- ARC
- 抽象
- 程序合成
Sergey Levine / Chelsea Finn
机器怎样把示范变成动作，并在部署后继续学习？
- 机器人
- MAML
- Offline RL
Fei-Fei Li
机器怎样从识别名词，走向维持一个可行动的空间世界？
- ImageNet
- Visual Genome
- 空间智能
Noam Brown
在隐藏状态与巨大搜索空间中，怎样让系统现场重新思考？
- CFR
- Libratus
- CICERO
Jeff Clune
如果踏脚石无法预见，谁来持续发明问题与学习算法？
- Novelty
- MAP-Elites
- POET
Geoffrey Hinton
内部表示与信用分配能否以更局部、更物理的方式形成？
- 分布式表示
- Backprop
- Capsules
Demis Hassabis
怎样把记忆、搜索、世界模型和工具组合成发现系统？
- DQN
- AlphaGo
- MuZero
Andrej Karpathy
可编程介质换代后，软件工程的瓶颈会迁到哪里？
- Software 2.0
- Tesla
- LLM OS
Yoshua Bengio
怎样获得可组合的因果抽象，并让理解与行动目标分离？
- 表示学习
- 因果
- GFlowNet
Tri Dao / Albert Gu
有限状态怎样压缩历史，序列算法怎样穿过 GPU 内存层级？
- HiPPO
- FlashAttention
- Mamba