从强化学习到Deep Research:OpenAI如何重新定义AI浏览与研究
这期No Priors播客首次系统讲述了OpenAI Deep Research的起源与设计取舍:为什么不把Agent做成“点按钮的机器人”,而是优先解决信息综合?以及强化学习如何在真实产品中学会规划、搜索与自我约束。
这期No Priors播客首次系统讲述了OpenAI Deep Research的起源与设计取舍:为什么不把Agent做成“点按钮的机器人”,而是优先解决信息综合?以及强化学习如何在真实产品中学会规划、搜索与自我约束。
最新研究显示,AI Agent 能独立完成的任务复杂度,正在以远超预期的速度提升。从“每7个月翻倍”到“每4个月翻倍”,时间尺度的急剧压缩,可能意味着一场由 AI 自我加速引发的历史性拐点正在逼近。
Paid 创始人 Manny Medina 在 Sequoia 的对话中,系统拆解了 AI 应用真正赚钱的方式:不是模型多强,而是定价是否对齐客户价值。从“按 token 计费必然崩塌”,到“按 agent、按结果收费”,这是一套只属于 AI 时代的新商业常识。
Datadog的Diamond Bishop分享了他们构建“永不睡觉的DevOps工程师”的实践经验。这不仅是一个AI Agent产品故事,更是一套关于评估、协作与边界的工程方法论,揭示了AI如何真正进入生产系统。
在AI Agent被热烈追捧的当下,Sayash Kapoor给出了一次“泼冷水式”的演讲:Agent并没有我们想象中那么可靠。通过法律、科研和产品落地的真实失败案例,他指出问题不在模型能力,而在评估方法与可靠性工程。
在这期对谈中,历史学家尼尔·弗格森把AI、科技周期与人类文明放进同一条历史长河中审视。他提醒硅谷不要失忆,警告真正改变历史的往往不是创新本身,而是战争、制度与人口结构。
RAG(检索增强生成)的提出者Douwe Kiela,用真实的企业落地经验解释了一个残酷现实:AI投入巨大,但真正产生价值的公司不到四分之一。这篇文章提炼了他在生产环境中踩过的坑、反直觉的认知,以及为什么“系统”和“上下文”才是AI ROI的决定因素。
这篇文章梳理了《The AI Daily Brief》一期核心观点:AGI并不是企业真正需要的目标。相比追逐“通用人工智能”,更重要的是理解一种正在发生的变化——自我维持的改进循环,或“逃逸速度”。这决定了AI如何真正改变商业。
在这期 No Priors 播客中,Physical Intelligence 联合创始人 Chelsea Finn 讲述了她为何从学术界走向创业,以及她眼中“通用机器人”最难、也最被低估的问题:数据、泛化与失败本身。
这期对谈中,Noam Shazeer 与 Jack Rae 不谈宏大口号,而是从测试时算力、评测体系、研究文化与 agentic coding 等具体问题出发,分享他们对 AGI 路径的真实判断,以及一些出乎意料但正在发生的变化。