人类智能的一个标志是快速适应的能力，在新颖和不熟悉的条件下迅速解决新问题。我们如何构建能够做到这一点的机器？ 在我们的新预印本中，我们提出任何通用智能系统必须具备适应性世界模型，即它们必须能够通过互动和探索快速构建或完善其内部表征——我们称之为“世界模型归纳”。 我们提出了一条评估机器中适应性世界模型的路线图，基于我们称之为“新颖游戏”的特殊类别的游戏。

智力并不是一系列技能的集合。它是你获取和运用新技能的效率。这是一个效率比率。 这就是为什么基准分数可能会对人工智能系统的实际智力产生误导。

在按市值排名的前20家美国科技公司中，只有1家总部位于旧金山（Salesforce）。这比奥斯汀还少（奥斯汀有2家）。 大部分美国科技公司总部位于圣克拉拉县（前20名中有11家）。最近的大城市（差距很大）是圣荷西。 旧金山距离这里超过1小时（如果有交通的话，可能需要2小时）。

到目前为止，我最喜欢的视频生成用例是：用它将孩子的故事转变为动画片段 孩子们觉得电脑能制作视频是完全自然的，他们喜欢看到自己描述的内容变为现实——就像看到自己的想象力得到了验证，变成了真实的东西。

教育的目标不应是达到某个标准化考试的特定人口平均水平，而应是激发学生的最高个体潜力。

顺便提一下，我们将在下周在旧金山举办ARC-AGI 3开发者预览的私人活动。时间是7月17日，下午6点。欢迎赞助商、捐赠者和研究人员参加。 将会有几个重要的公告。此外，@dwarkesh_sp将主持我们的炉边聊天。链接将在下一条推文中发布。

一个AI模型能否完美预测，但仍然有一个糟糕的世界模型？ 那究竟意味着什么？ 我们新的ICML论文正式化了这些问题。 一个结果讲述了这个故事：一个在1000万个太阳系上训练的变压器准确预测了行星轨道。但它搞砸了引力法则 🧵

根据我个人在使用Duolingo的经验，我发现它并不是一个教育应用，而是一个手机游戏——它在教授语言方面完全无效，但它非常有趣，并且让你感觉自己在学习。

一些其他有趣的发现！我们发现，开发者在他们不太熟悉的任务上受到的拖延较少。这是直观的——如果你真的知道自己在做什么，AI的帮助可能就会显得不那么重要。

我对这项研究是否值得进行持相当怀疑的态度，因为我认为*显然*我们会看到显著的加速。