https://mayulu.co/categories/%E4%B8%80%E5%AE%B6%E4%B9%8B%E8%A8%80/Recent content in 一家之言 on mayulu的AI笔记HugozhcnCopyright © 2025–2026 mayulu All Rights ReservedSat, 08 Aug 2026 10:48:06 +0800https://mayulu.co/posts/the-way-to-agi-viewpoints/Thu, 06 Aug 2026 10:48:06 +0800https://mayulu.co/posts/the-way-to-agi-viewpoints/行业曾寄望依靠扩大算力、数据与离线 RL 规模实现 AGI，该范式如今遭遇越来越多质疑。本文结合 Jerry Tworek 与梁文锋的观点，剖析离线强化学习的固有局限，拆解从大模型、CoT、Agent、持续学习、自我迭代到具身智能的六级递进 AGI 技术阶梯。指出持续学习是工具 AI 迈向通用智能的分水岭，AGI 竞赛的关键不再是规模军备竞赛，而是原生自主成长机制的架构重构。https://mayulu.co/posts/latency-numbers-you-should-know-in-ai-age/Sat, 01 Aug 2026 09:33:19 +0800https://mayulu.co/posts/latency-numbers-you-should-know-in-ai-age/Jeff Dean 经典的程序员延迟对照表，曾是传统分布式系统架构的性能参考基准。2026 年 Y Combinator 访谈中，他提出适配大模型时代的全新系统量化指标，将性能标尺从时间延迟转向带宽、运算能耗、芯片互联三大维度。数据搬运能耗可达计算的千倍，由此解释批处理、量化等工程优化的底层逻辑。文章对比新旧两套体系，梳理 LLM 真实推理时延，剖析专用推理硬件发展趋势，帮助 AI 开发者建立硬件量级直觉。https://mayulu.co/posts/anthropic-jlen-jspace/Fri, 10 Jul 2026 09:05:51 +0800https://mayulu.co/posts/anthropic-jlen-jspace/本文解读 Anthropic 2026 重磅 LLM 意识相关研究，介绍自研可解释工具 J-Lens（雅可比透镜），证实模型自发涌现匹配人脑全局工作空间理论的 J-Space。文章详解 J-Space 类意识认知特征，覆盖 AI 对齐审计、反事实反思训练等落地价值，提出该发现让意识研究进入可干预实验阶段，同时客观界定当前模型仅具备功能意识、无人类主观体验，适合大模型可解释性、AI 安全与意识科学研究者阅读。