亚洲激情影院在线,九九九久久高清无码,青青青频在线观看

OpenAI 兩位首席最新采訪：自動化研究員是未來愿景

2025-11-17 15:42

在 a16z 節(jié)目的最新采訪中，OpenAI 首席科學家 Jakub Pachocki 與首席研究官 Mark Chen 共同分享了公司在人工智能前沿研究中的關鍵進展與未來規(guī)劃。

采訪時長不足一小時，但信息密度極高，涵蓋了從模型能力演進、評估體系挑戰(zhàn)，到研究文化與資源分配等多個核心議題。

亮點如下：

氛圍編碼的下一步或許是氛圍研究；
OpenAI 的終極目標是實現(xiàn)自動化研究員；
下一個里程碑將涉及實際的發(fā)現(xiàn)和在經濟相關事物上取得實際進展；
成功的秘訣在于保護基礎研究；

GPT-5 推動推理能力邁向主流

Mark Chen 首先指出，GPT-5 的核心目標是將系統(tǒng)化的推理能力引入主流應用場景。此前 OpenAI 已形成兩類模型路徑：GPT 系列側重即時響應，而 o 系列聚焦深度推理。未來公司希望用戶無需在模式間做選擇，而是默認享受更強的推理與 Agentic（自主行為）支持。

隨著模型能力快速提升，現(xiàn)有評估體系已趨于飽和。Jakub Pachocki 坦言，傳統(tǒng)基準測試難以準確衡量當前模型在專業(yè)領域的深度表現(xiàn)。他強調，下一階段的突破將更關注模型是否能在科學或經濟相關任務中實現(xiàn)“實際發(fā)現(xiàn)與進展”，而不僅是刷高指標分數(shù)。

長期目標：構建“自動化研究員”

在被問及“在GPT-5發(fā)布之前，哪種能力最讓你感到驚訝？”這個問題時，Mark Chen 提到模型已展現(xiàn)出推動前沿科學研究的能力，甚至可自動化完成以往需研究人員數(shù)月工作的復雜問題。他曾和一些物理學家、數(shù)學家朋友們共同體驗模型，大家發(fā)現(xiàn)模型能夠解答一些新的、非常復雜的問題。

Jakub 則以 o3 模型為例，指出其已在數(shù)學推理方面達到“相當可信”的水平。

OpenAI 的宏大愿景是打造能自動發(fā)現(xiàn)新想法的“自動化研究員”系統(tǒng)。現(xiàn)階段重點之一是延長模型進行持續(xù)推理與規(guī)劃的時間跨度——目前約為 1~5 小時。

Jakub 表示，公司將逐步推進，先實現(xiàn)內部研究流程的自動化，再拓展至外部科學領域。

接下來，OpenAI 會專注于延長模型長期規(guī)劃能力和保持記憶方面的時間跨度。

強化學習尚未達到瓶頸

盡管每次新模型發(fā)布后，外界常預測強化學習（RL）將觸及能力天花板，但事實上，RL 至今仍是推動 OpenAI 模型能力躍升的核心動力之一。針對“RL為何持續(xù)有效、哪些表現(xiàn)令人驚訝”等問題，首席科學家 Jakub Pachocki 給出了系統(tǒng)性解讀。

Jakub 將 RL 的成功歸納為以下原因：

方法本身的通用性：RL 建立在深度學習的通用基礎之上，本身是一種極為靈活和強大的學習范式。一旦系統(tǒng)運轉起來，團隊便能基于此探索大量新想法。
與現(xiàn)實環(huán)境的錨定：OpenAI 長期致力于將模型與真實世界中的“環(huán)境”進行對接，使學習過程具有明確的任務基礎和反饋來源。
與語言模型的深度融合：自然語言建模的突破是關鍵轉折。語言模型對語義的深度理解，為 RL 提供了更貼近人類認知的交互與推理界面。

Jakub 認為，過去幾年是 OpenAI 研究中“最令人興奮的時期”，因為眾多新方向均顯示出可行性與潛力。

獎勵模型將快速演進，當前階段遠非終局

在獎勵模型方面，他預測其發(fā)展會明顯加速，未來構建過程將像“幾年前優(yōu)化微調數(shù)據集”一樣逐漸標準化。但他同時強調，RL 的整體演進遠未結束，目前技術仍在向更接近人類學習方式的方向發(fā)展，當前體系尚不完善。

Jakub 特別指出，理解 RL 必須具備動態(tài)視角——切忌將當前技術狀態(tài)視為終點。研究人員必須保持思維靈活，積極適應快速迭代的工具與方法論，這正是把握 RL 未來走向的關鍵。

從“氛圍編碼”到“氛圍研究”

針對本月發(fā)布的編程優(yōu)化模型 GPT-5-codex，OpenAI 團隊分享了其背后的設計思路與行業(yè)觀察。首席研究官 Mark Chen 指出，團隊投入大量精力優(yōu)化了模型的響應預設，以精準匹配程序員對問題解決時長的心理預期。他坦言，上一代模型的核心問題在于資源分配失衡：在最簡單問題上耗時過多，而用于攻克最難問題的時間卻嚴重不足。為客觀測試模型極限，參與編程競賽被視為一個理想的評估場域。

首席科學家 Jakub Pachocki 認同編程競賽的價值，認為其提供了一個封閉且嚴格的測試環(huán)境，能有效衡量模型在有限時間與約束下提出新解決方案的能力。他指出，OpenAI的首要任務正是推動技術跨越這一階段，使AI成為真正自然的編程伙伴。

Mark Chen 觀察到，AI 已從根本上改變了年輕一代對編程的認知：高中生們認為“憑感覺編碼”（Vibe Coding）已成為默認方式，而從頭手動編寫代碼反而顯得不同尋常。他預見，繼“氛圍編碼”之后，下一代范式或許是“氛圍研究”（Vibe Researching），即憑直覺引導的研究探索。