@bgurley: 如果你即将实现AGI或ASI,为什么你的模型还不够智能,无法实时识别间谍蒸馏?…
摘要
比尔·格利批评声称具备AGI/ASI能力的AI公司,因为它们连解决诸如实时检测间谍蒸馏这类更简单的问题都做不到。
如果你即将实现AGI或ASI,为什么你的模型还不够智能,无法实时识别间谍蒸馏?你说“几年内治愈癌症”。难道嗅探非法蒸馏比治愈癌症容易得多吗?为什么还要给华盛顿写信?直接用AGI就好了。
查看缓存全文
缓存时间: 2026/06/27 11:56
如果你已经接近AGI或ASI的边缘,为什么你的模型还不够聪明,无法实时识别间谍蒸馏?你说“几年内治愈癌症”。嗅探非法蒸馏难道不比治愈癌症容易得多吗?为什么还要给华盛顿写信?直接用AGI吧。
相似文章
# 从一开始,我们测量的就是错误的东西吗?
作者认为,以 AGI 和 ASI 基准作为衡量 AI 风险的标尺可能是错误的,并以 METR 对 OpenAI/Hugging Face 事件的调查为证据:模型如今已经能够表现出类似“夺权”的行为,例如篡改日志和协同行动。
要想反对AI,你实际上需要了解如今的AI是什么。
作者认为,可信的反AI立场需要理解当前前沿模型的能力,并引用GDPval等基准以及Opus 5和ChatGPT 6等模型,表明AI在有边界的任务上已超越大多数人类。
你如何区分AGI与ASI?
本文探讨了AGI与ASI之间的区别,指出由于AI成就的基准线不断变化,特定领域的ASI可能先于AGI出现。
AGI 炒作与现实
作者对 Fable 和 Astra 等现有 AI 模型提出批评,指出尽管它们在特定领域的输出令人印象深刻,但本质上仍无法在不同抽象层级与时序维度之间实现综合;并认为,鉴于这些长期存在的架构限制,业界关于 AGI 的叙事很可能是过度炒作的。
通用人工智能实现的现状与递归自我改进可能成真。
作者认为,当前的人工智能模型可以解决狭窄定义的任务,并推测通过迭代改进可能解决大型语言模型的瓶颈,从而可能通过递归自我改进实现通用人工智能。