#605.Dwarkesh：AI 训练的下一个范式，为什么你的模型永远毕不了业

AI 训练的下一个范式核心在于突破当前 RLVR（强化学习验证）的局限，实现真正的持续学习。目前的模型如同缺乏实习机会的天才研究生，仅在课堂案例中打转，无法将部署阶段的隐性知识固化到权重中。解决这一瓶颈的关键在于提升样本效率，通过 “Dreaming” 或 “unpolicy” 自蒸馏技术，让模型在模拟环境中排练并内化真实世界经验。随着上下文长度的扩展，AI 将不再依赖预训练的静态知识，而是通过参与经济活动中的多样化任务，实现每次互动后的自我进化。这种从 “课堂训练” 向 “在岗学习” 的转变，是通往通用人工智能的必经之路。