这是2025年OpenAI研究员@ShunyuYao12撰写的最佳博客文章之一。 “我们正处于AI的中场休息，” 这是一本关于AI研究和初创生态系统中最重要的内容，以及如何为此做好准备的剧本。 几十年来，AI研究专注于算法和新模型，以超越基准。 但有一些重要的事情改变了游戏：“RL终于可以推广。” 工作的“配方”：大规模语言预训练（先验）+规模 + 在RL循环中的推理作为行动。 这是基准攀升的结果。游戏的转变：从解决问题到定义正确的问题。评估成为中心舞台。 现在的核心基准是“效用问题”。基准并不真正适用于现实世界的任务。 所以这是下半场的剧本：发明与真实效用相关的评估设置；然后在这些新规则下应用配方以获胜。 在RL中，关键三要素是环境、算法和先验。我们花了很多时间在最佳算法上，但算法会过拟合它们所处的环境。 对于“下半场”，评估 = 环境设计：构建更接近现实的设置（人类在环中、非独立同分布、顺序/带记忆）以推动真实效用，而不仅仅是基准胜利。