强化学习之父理查・萨顿最近接受红杉专访，抛出了一个让整个 AI 圈不舒服的问题： 现在的大语言模型，训练完权重就 "焊死" 了。它们不会从交互中学习，不会因为新经验而改变自己。它们只是在调取训练数据，然后用上下文补全。 这不是智能。这是高级检索。 萨顿说，持续学习才是智能的核心本质。人类大脑一直在修改权重 —— 从每一次交互、每一个错误、每一条反馈中学习。而今天的 LLM？出厂即巅峰，之后只会衰退。 RAG、长上下文、LoRA 微调 —— 全是在绕开这个根本问题。 这就是为什么萨顿和学生创立了 Oak Lab。也是为什么越来越多团队意识到：基础模型的能力曲线正在趋平。下一个分水岭不是谁的参数更大，而是谁的 AI 能在真实世界里持续变强。 这是一个还没有人真正跑通的、万亿美元级的问题。 很多团队在攻这个方向。学术派有 Oak Lab，产业派里我最近在看 Alloomi。 他们的思路是：不在实验室里造 "会学习的模型"，而是让 AI 先去真实业务里干活，再把实战经验写回权重。应用 + 模型，全栈闭环。 拆解一下他们的四层架构： ① 全局上下文 —— 不是读静态文档，是把对话、人员、决策、反馈、时间线全部打通，看懂整件事的来龙去脉。 ② 自进化记忆模型 —— 把专家判断、修改记录、客户反馈筛选后通过后训练写进权重，而不是只存在外部数据库里。 ③ 专家锚定 —— 学习过程对齐专家示范和高质量交付标准，防止模型乱学、错误越积越多。 ④ 可控安全进化 —— 质量校验、实时监控、自动回滚。每一轮更新都可核查，漂移了能及时撤回。 这四层合起来，解决的是一个核心矛盾：怎么让 AI 持续变强，又不变得不可控。 在最近9项相关的Benchmark中，Alloomi达到或接近 SOTA 。 Alloomi 的观点我很认同：基础大模型出厂能力人人都差不多。真正拉开 Agent 差距的，是它在你的业务里日复一日沉淀下来的专属判断力与实战经验。 通用智能是起点。行业经验才是护城河。 萨顿在专访最后说，我们离真正的持续学习还有很长的路。但方向已经清晰了： 未来的 AI 公司，卖的不是一个静态模型，而是一个每天都在变强的系统。谁先跑通 "做完任务 → 沉淀经验 → 模型变强 → 产出更好结果" 的飞轮，谁就拿到了下一个时代的入场券。 智能只是起点。经验，才是 AI 的分水岭。 @AlloomiAI