关于 @ilyasut 的 @ssi 在做什么，我觉得这个分析是目前最靠谱的。 网友 @imjustnewatai 根据之前 SSL泄露的信息进行了一个推测： SSI 真正在研究的，可能不是一个更大的模型，而是一种让 AI 在部署之后继续学习的新机制。 这个猜测未必准确，但目前公开线索确实能拼出一条相当完整的逻辑链。 以下是三个核心论点： 1. Ilya 之前在播客上的泄密 今天的前沿模型有一个很明显的问题。 模型主要在训练阶段学习。 一旦训练完成，核心能力基本冻结。 它可以提前读完海量数据，却很难像人一样，在真实任务中不断吸收经验、修正方法，并把一次失败变成长期能力。 所以模型经常表现出一种奇怪的割裂：它知道很多，但学得很慢。 遇到训练分布之外的问题时，它可能连续犯同一种错误。即使通过上下文暂时纠正，下次重新开始，错误往往还会再次出现。 这位网友推测，SSI 可能已经做出了某种早期系统，让模型能够： 从极少量经验中学习新技能； 在最终结果出现之前，判断当前方法正在失败； 学习新技能时，不破坏原来的能力； 把一个任务中的经验迁移到完全不同的问题； 甚至在部署后继续更新自己。 换句话说，这种 AI 更像一个天赋极高的少年，而不是一本已经写完的百科全书。 它一开始未必掌握所有职业知识，但进入一个新领域后，可以通过少量经验迅速学会。 这恰好对应 Ilya 之前在播客上对 SSI 目标的描述： 一个“超级智能的 15 岁少年”，可以学习任何工作。 这句话真正重要的地方，不是“超级智能”，而是“可以学习”。 Ilya 此前多次提到，当前 AI 最大的问题之一，就是泛化能力远不如人类。 人类可以从少量案例中提取规律，再把规律迁移到陌生环境。 模型通常需要海量数据，并且一旦环境发生变化，能力就可能迅速失效。 当有人问 Ilya，怎样才能实现更接近人类的学习时，他曾表示，自己对某个机器学习原理有一套独特看法，但不能公开讨论。 2. 此前的媒体报道 《华尔街日报》曾报道称，SSI 的秘密研究聚焦于“人类大脑功能中长期被忽视的方面”。 NVIDIA 在接触这项研究后，不仅投资了 SSI，还将向其提供约十倍的计算资源，并与其合作影响未来计算平台的设计。 这就很值得玩味了。 如果 SSI 只是想训练一个更大的语言模型，它需要的主要是更多 GPU。 但如果 NVIDIA 愿意让 SSI 参与未来计算平台的设计，就说明这套方法可能对训练、推理、内存或者模型更新方式提出了新的硬件需求。 这位网友进一步猜测，SSI 的核心组件可能是一种模型内部的“价值判断系统”。 人类执行复杂任务时，并不会等到所有步骤结束后，才知道自己走错了。 我们在过程中会不断产生反馈： 这个方向不对。 这个方法可能有效。 这里存在风险。 这件事值得继续。 这些内部判断，让人类可以在最终奖励到来之前就调整行为。 Ilya 也曾讨论过，AI 需要某种内部价值函数。 它不只负责判断答案对不对，还要在漫长的推理和行动过程中，持续判断当前路径是否值得继续。 因此，SSI 可能在尝试构建这样一个循环： 经验进入模型，模型进行内部判断，发现错误后自我修正，再将修正结果转化为持久能力，最后迁移到其他任务中。 模型不再只是根据固定参数生成答案，而是可以不断吸收行动产生的经验。 这也能解释 SSI 为什么一直强调，能力和安全必须共同解决。 如果同一套机制既负责教会模型“什么方法有效”，也负责教会模型“什么事情值得做”，那么能力和价值观就会在同一个学习循环中形成。 3. 从成员背景和招聘岗位中找到的痕迹 SSI 目前能够被确认或报道的部分成员背景，也与这条路线有一定吻合。 SSI 总裁 Daniel Levy @daniellevy__ 曾负责 OpenAI 的优化工作，并参与 GPT-4 的优化。 之前媒体报道加入了 SSI 的 Yair Carmon ，研究方向包括鲁棒优化、缩放规律，以及模型在训练环境之外的可靠性。 另一名被报道的研究人员 Hugh Zhang @hughbzhang ，则长期研究测试时计算、规划、搜索、奖励模型、多智能体学习，以及模型如何通过推理获得新技能。 把这些方向放在一起，会发现它们共同指向一件事： 如何让模型在训练数据之外继续学习。 2025 年，Ilya 曾表示，SSI 已经拥有足够的算力，可以验证自己的核心研究想法是否成立。 现在 SSI 表示，这项研究已经“值得扩展”。 随后 NVIDIA 获得了罕见的研究访问权限，并决定提供十倍算力。 这至少说明，SSI 很可能已经观察到了某种值得继续放大的实验信号。 当然，目前没有任何证据能够证明 SSI 已经实现持续学习，也没有公开任何模型架构、实验结果和技术细节。 上面的内容仍然是基于公开信息进行的高概率推演。 但这个推演最有意思的地方在于，它提供了一个完全不同的 AGI 路径： 未来最强的 AI，未必是训练时读过最多数据的模型。 它可能是部署之后，学习速度最快的模型。 如果这个方向成立，AI 的能力将不再随着一次训练结束而固定，而会随着经验持续复合增长。 NVIDIA 投资的，也可能不只是下一个更大的聊天机器人。 它可能正在帮助 Ilya 扩展一种足以替代当前预训练范式的学习系统。 感谢 @imjustnewatai 的工作