在新加坡“闻到AGI的味道”：DeepMind核心研究员谈IMO金牌与RL转向

如果你还以为AGI只是个营销词，那这期对谈会让你不安。Yi Tay 亲口承认：把“AGI”写进团队名字并不是玩笑；而在IMO金牌、On-Policy RL、AI编程全面可用的背后，一条新的技术主线已经浮出水面。

AGI第一次不再像口号，而像一个工作目标

“Reasoning and AGI。”这是 Yi Tay 在新加坡组建的 Gemini 团队名字。主持人直接问：把 AGI 写进名字重要吗？Yi 的回答很轻，但信息量极大——“我们做这些模型，本来就是为了 AGI。”

这句话放在 2023 年可能像愿景陈述，放在今天却更像一条工作说明。更重要的是，这不是一家创业公司的叙事，而是 Google DeepMind 内部一个真实存在、真实招人的研究团队定位。

他反复提到一个变化：过去一年里，AI 多次跨过了“沉浸阈值”。不是 benchmark 提升 0.3%，而是一些让研究员自己都停下来愣住的瞬间——比如把一张实验结果的截图丢给模型，它就能直接帮你生成像样的图；比如 AI 编程，从“勉强能用”变成“真的开始被信任”。AGI 在这里不是哲学，而是一种手感：你开始下意识地依赖它。

从大模型到推理模型：强化学习成了主线，而不是补丁

一个很反直觉的判断贯穿整场对谈：如今的核心建模工具，不是再堆一点预训练，而是强化学习（RL）。Yi 说得很直白——“RL is basically the main modeling toolset that we play around with these days.”

这里的关键不是 RL 本身，而是 on-policy 与 off-policy 的分野。他提到 Jason 的一篇文章，用一个近乎哲学的方式解释：on-policy 更像真实生活中的学习，你必须为自己的决策负责，不能无限回放历史数据。这种约束反而逼出了更稳健的推理能力。

这也解释了为什么 DeepMind 会如此执着于 reasoning + RL 的组合。Chain-of-Thought 曾经是一个巨大突破，但它更多发生在“解释层”。而现在，团队更关心的是：推理能力能不能直接写进参数更新里，而不是事后展示。On-policy distillation、RL 训练推理路径，本质上都是在回答同一个问题——模型能不能真正‘学会想’。

IMO 金牌不是炫技，而是一场高风险的工程决策

当话题转到 IMO（国际数学奥林匹克），氛围明显变了。Yi 提到，他们甚至“扔掉了 alpha proof”，这个决定直到现在他都还没完全释怀。

为什么？因为 IMO 项目不是普通 benchmark。它是 live 的，有时间压力，有不确定性，还有人类评委。Yi 用了一个很生动的对比：这比在固定测试集上跑分更像“上场比赛”，肾上腺素完全不一样。

最有意思的是“captain”这个说法——四位 IMO captain，意味着模型在解题过程中承担了更主动的角色，而不是被动生成答案。这也引出了一个更深的疑问：是否存在一些东西，无法完全被压缩进参数里？这个问题直接指向了当前 LLM + RL 路线的边界，也解释了为什么 DeepMind 愿意为这样一个高成本、低复用的项目投入多年。

AI 编程真正可用的那一刻，研究者的工作方式变了

Yi 对 AI coding 的评价并不夸张，但很真实：他讨厌做图、整理 spreadsheet，而模型在这些“烦人但必要”的事情上，已经好到让人无法拒绝。

关键不在于写了多少行代码，而在于信任曲线。他提到一个问题：你在什么层级开始信任 AI？是生成想法，还是直接 commit？这背后其实是研究流程的再设计——人类更多做判断、取舍和“focus fire”，而不是重复劳动。

这也和后面关于 token、attention 的讨论呼应起来。200 million tokens 并不只是规模炫耀，而是为了承载更长、更复杂的推理轨迹。Yi 的一句话很值得反复咀嚼：“ideas matter。”当生成成本趋近于零，真正稀缺的反而是好问题。

在新加坡做 AGI：地理真的还重要吗？

对谈的最后回到一个看似轻松、其实很现实的问题：为什么是新加坡？地理还重要吗？

Yi 的态度很务实。一方面，研究协作早已全球化；另一方面，一个新的研究节点，意味着文化、节奏和招聘方式的重新塑造。Reasoning and AGI 团队在新加坡，不是复制山景城，而是寻找不同的密度和视角。

这也和他个人的变化形成对照——聊到减重、家庭、生产力，他反复强调“trust the process”。这句话放在研究上同样成立：当方向对了，剩下的是耐心和持续投入。

总结

这期对谈真正让人警觉的，不是某个模型指标，而是一种集体心态的转变：AGI 不再只是远景，而是被拆解成一个个工程选择——是否用 RL、是否 on-policy、是否为 IMO 这种“非性价比项目”下注。

对从业者来说，最直接的 takeaway 是三点：第一，推理能力正在从“提示技巧”迁移到“训练范式”；第二，AI 编程已经进入值得系统性重构工作流的阶段；第三，长期价值正在回到“好问题”和“好判断”本身。

如果你想在未来几年不被甩下，或许该问自己：你现在做的事情，是在放大模型，还是在放大思考？

关键词： Google DeepMind， AGI， 强化学习， AI推理， IMO

事实核查备注： 需要核查：1）Yi Tay 在 Google DeepMind 新加坡团队的正式名称（Reasoning and AGI / Gemini Singapore）；2）IMO 项目中“alpha proof”被放弃的具体背景；3）视频发布时间与对谈时间；4）关于 on-policy RL 为当前主要建模工具的原话语境。