# AI 的样本效率黑洞：模型学东西比人费数据一百万倍

> 原标题：The sample efficiency black hole

- 来源：Dwarkesh Patel 播客
- 发布时间：2026-06-08T18:09:37.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/38371
- 原文：https://www.dwarkesh.com/p/the-sample-efficiency-black-hole

## 摘要

Dwarkesh Patel 这篇文章的核心判断是：这几年 AI 变强，主要靠喂更多、更好的数据，而不是学得更省。他把强化学习（RL）看作一种合成数据生成——砸算力去筛出“好”答案，再让模型去预测这些答案。每个技能都需要上百个人类专家写示例、定评分标准，催生出一个年收入几十亿美元的数据标注行业。

## 推荐理由

Dwarkesh Patel 将强化学习视为合成数据生成，指出 AI 进步主要靠增加数据量而非提升学习效率，并对比人脑与模型的数据消耗差距。

## 锐评

样本效率差一百万倍这个数，其实是在说现在这套 RL 的账根本算不过来。砸算力筛答案，再让模型去背这些答案，就是花钱买数据，一个技能还得配上百个专家写示例定标准，标注行业几十亿美元的收入就是这么来的。模型变强靠的是喂得更多，这条路能走多远取决于数据成本还能压多低。人类数据不够用的那天，谁先把样本效率做上去谁才有下一轮。
