AI 中心的数据黑洞

AI中心的数据黑洞

Dwarkesh Patel 认为，这几年 AI 变强主要靠喂更多、更好的数据，而不是模型学得更省。强化学习本质上就是用算力去撞答案，撞出好的再拿来当教材。想让模型学会某个技能，得先砸进去海量的人类专家示范、评分标准和思考过程，去看看 Mercor 上那些细到离谱的招聘需求就知道了。Epoch 报告说开源模型只落后闭源 4 个月，Patel 解释这是因...

推荐理由：Patel 把强化学习重新解释成“用算力去撞出好答案，再喂回去当教材”，这个视角很直接。他用 Mercor 上那些细到离谱的专家招聘需求来佐证，说明想让模型学会一个技能，得先砸进去海量的人类示范和评分标准，数据成本远比想象的高。Epoch 报告说开源只落后闭源 4 个月，他也给出了自己的解释，不是技术追得快，而是数据扩散得快。整体是一篇观点文章，不是产品发布或论文，所以分数没给更高，但里面的机制拆解和行业信号对从业者来说挺有信息量。