Y Combinator点名的5篇论文，正在悄悄改写AI研究的主战场

如果你还以为AI研究的答案只有“继续堆参数”，那这场Y Combinator的分享会会让你背后一凉。5篇最新论文指向同一个信号：Scaling Laws不再是万能钥匙，记忆、样本效率、可验证性，正在成为下一阶段真正的分水岭。

第一刀就砍向神话：Scaling Laws 真的还管用吗

这场分享最“炸”的地方，不是某个模型又涨了多少参数，而是有人直接抛出了一个在几年前几乎是“政治不正确”的问题：Scaling Laws 还成立吗？

其中一篇论文从一个极端宏大的视角切入——“自生命在地球出现以来的尺度变化”。这个对比本身就很狠：如果智能真的只是规模的副产品，那为什么生物智能的跃迁如此稀疏？演讲者明确指出，至少在当前研究里，单纯扩大模型规模，已经开始出现边际收益快速下降的迹象。

这不是说 Scaling Laws 失效了，而是它正在变成“必要但不充分条件”。对很多AI从业者来说，这意味着一个残酷现实：你所在的团队如果没有无限算力，可能反而更接近未来。

记忆，成了强化学习的新瓶颈

在强化学习部分，一个高频词被反复提起：memory。

过去我们习惯把环境建模为有限时间的 MDP（finite horizon MDP），假设智能体“看得见的历史”是有限的。但现实世界并不是这样运行的。论文指出，真正复杂的决策问题，本质上是长期依赖问题，而不是奖励函数调一调就能解决。

这也是为什么“记忆”突然成了热词：不是更大的网络，而是如何让模型保留、调用、更新长期经验。演讲者用一句话总结得很到位：没有记忆的智能，只是在重复试错，而不是学习。

对做 RL 的人来说，这是方向性的转变——从‘怎么更快学会一个任务’，转向‘怎么不忘掉已经学会的世界模型’。

样本效率，正在取代参数规模成为新指标

另一篇论文抛出了一个听起来简单、但极具杀伤力的指标：intelligence per sample（每个样本的智能产出）。

这背后的潜台词很清楚：如果一个模型需要海量数据才能表现出一点“智能”，那它距离通用智能还很远。相比之下，人类和动物在极少样本下就能泛化，这本身就是一种尚未被工程化的能力。

演讲最后那句“That's all I got”反而显得意味深长——因为真正难的部分，才刚刚开始。样本效率问题，几乎直接决定了哪些研究路线在未来十年还能跑得下去。

模型会写代码，但它真的‘知道’自己写对了吗

接下来，话题转向了程序正确性。一位演讲者抛出一个非常现实的问题：LLMs 可以写代码，但它们能证明代码是正确的吗？

这背后是一篇关注形式化验证与模型能力边界的论文。当前模型在“看起来像对”的任务上表现惊艳，但一旦涉及数学证明、复杂约束或安全关键系统，就会暴露出本质缺陷。

一句评价很刺耳，但也很真实：模型解决的是‘看起来合理的问题’，而不是‘真的重要的问题’。这对想把AI用于高可靠场景的人，是一次明确的警告。

从刷榜到做事：研究目标正在发生位移

在最后几场分享中，一个共识逐渐浮现：我们正在从 benchmark 驱动，转向 problem 驱动。

有演讲者提到，某些任务在排行榜上看起来已经“被解决了”，但一旦换成现实世界的问题，比如复杂系统控制、长期博弈、或者类 RTS 的规划任务，模型立刻显得力不从心。

这也是为什么有人说，现在的进展是“steady progress”——不再是爆炸式指标提升，而是缓慢但扎实的能力外延。对研究者来说，这可能不性感，但更接近真正的价值创造。

总结

这5篇论文放在一起，传递的信息其实非常一致：AI研究正在告别“单一神话”。规模依然重要，但记忆、样本效率、可验证性，正在成为新的主战场。对从业者而言，最现实的行动建议是：重新审视你正在优化的指标——它们是在刷榜，还是在逼近真实世界的问题？未来几年，后者的溢价只会越来越高。

关键词： AI研究趋势， Scaling Laws， 强化学习， 样本效率， 程序正确性

事实核查备注： 需要核查：视频总时长；5篇论文的具体标题与作者；Luke Bailey、Robert George 的准确身份与论文对应关系；关于 Scaling Laws 和生物智能对比的原始表述。