Dubois提到，尤其在编程场景里，钻研人员自己天天写代码，模型一变强，蹬宗全员多了个不睡觉的搭档——既能助钻研者把工具链搭起来，也能在训练下一代模型时「以AI养AI」。 但从前一年，他妹浇橼较量里练出来的那套工具，往更真实、更吞吐的工作场景迁徙：不再只优化「有尺度答案的题」，而是优化「用户感触真有效的器材」。 既然此刻好多都是AI智能体（agentic）系统，你能够粗鲁地想成「每两分钟就有肯定概率犯错」；运行功夫越长，最终答案翻车的概率就越高。 现实流程往往是：先靠经验、直觉、反复试错把器材做出来，甚至带点「炼金术」味路；等它真能跑、真能用，再回头补更科学的诠释与步骤论。 但后来事实显示，一旦模型规�Ａ杓菽掣鏊�平，RL真的会「忽然起头好用」，只是价值不低——采样好多答案、判断哪些对、哪些错，算力和系统工程都很烧钱。 甚至他还抛出一句很「搬弄」的判断：若是今天把现有模型「冻住」，只当真打磨Harness并萦绕它训练，好多领域的人可能会「显著感应通用人为智能（AGI）的味路」。 此刻模型的狼狈在于：第一天空降到公司，可能比无数新员工还中用（起点高）；但之后根基「维持原样」，由于它不会在特定环境里越干越懂你、越干越高效。 由于真正的瓶颈往往不是「模型够不够聪明」，而是最后一公里——权限怎么给、数据怎么接、衔接器怎么买通、怎么嵌进具体业务流程。 大模型在天上飞得再高，不落地也只能当烟花；而把它拽到地面、让它拿到该拿的钥匙、打开该开的门，反而是最有含金量的苦活累活。