@Michaelzsguo: 硅谷的Party真不少。不是吃喝玩乐的party， 是技术碰撞分享的聚会。 这不， Andrej Karpathy在另一场小型聚会上分享了他这几年和Agent的经验。 Karpathy 主要讲了四点： 1. 2016 年 OpenAI 做…

硅谷的Party真不少。不是吃喝玩乐的party， 是技术碰撞分享的聚会。 这不， Andrej Karpathy在另一场小型聚会上分享了他这几年和Agent的经验。 Karpathy 主要讲了四点： 1. 2016 年 OpenAI 做 agent 太早了 当时他们试图用强化学习做能操作电脑、点网页、完成任务的 agent，项目叫 World of Bits。但技术栈不成熟，基本只能靠 RL 去“撞 reward”，所以效果不好。 2. 当时正确路线是先做语言模型 他认为后来事实证明，先放下 agent，转去构建 language model 是对的。今天 agent 重新变热，是因为底层工具已经完全不同：现在不是靠 RL 硬训，而是靠语言模型、工具调用、记忆、规划等能力组合。 3. Agent 很容易 demo，但很难产品化 他提醒大家不要被 demo 迷惑。自动驾驶、VR 都是类似例子：想象很容易，做 demo 也容易，但真正做成可靠产品可能需要十年。Agent 也是这样，适合长期投入，不适合短期幻想。 4. Agent 需要借鉴人类认知结构 他提到可以重新从神经科学找灵感，比如海马体对应记忆和检索，前额叶对应规划和反思，丘脑/基底节可能对应多模块协调。语言模型只是其中一部分，真正的 agent 需要一整套认知工具。 最后他的鼓励是：现在做 agent 的创业者和 hacker，可能真的站在能力边界上。大模型训练这块大实验室已经摸得很清楚，但 agent 还很新，很多东西还没被系统探索完。