# AI 中心的数据黑洞

> 原标题：AI中心的数据黑洞

- 来源：AI HOT 精选
- 发布时间：2026-06-19T16:45:03.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39406
- 原文：https://www.dwarkesh.com/p/the-sample-efficiency-black-hole-2

## 摘要

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。

## 推荐理由

Dwarkesh Patel 提出近年 AI 进步主要来自更多更好的数据，而非模型效率提升，并借 Mercor 的招聘需求说明训练一项技能需要投入大量人类示范与评分标准。

## 锐评

数据扩散比技术追赶快，这个解释比"开源只落后 4 个月"本身有意思。模型能力这几年涨，靠的是把人类专家的示范和评分标准成吨灌进去，Mercor 上那些细到离谱的招聘需求就是账单。RL 撞答案也得先有人把答案标出来，算力只是把这份人工放大。所以开源追得快，是因为数据在流动，谁家算法都没突然开窍。卡人的是数据成本，谁手里有便宜又干净的专家标注，谁就领先，跟模型结构关系不大。
