文章摘要
清华大学发布AGI视角类论文,指出仅靠扩展System2模型的路径交互边际收益持续下降,核心矛盾已转向“有多少交互值得执行”,提出由System1筛选高价值交互、System2仅处理有效交互的协同进化机制,可大幅提升计算效率,该机制覆盖多类场景,仍有部分核心假设待验证。

当更大规模的模型、更长的思维链、更多智能体成为主流方向时,清华大学发布的一篇视角类论文提出了一个关键问题:每一次交互都值得执行吗?其核心结论是:AGI下一阶段的效率,不仅取决于System2的能力边界,更取决于System1对交互的筛选权限。

为何仅靠扩展System2模型还不够

过往的模型缩放路径主要围绕扩大模型规模、扩充训练数据、提升算力展开,但这种模式下,交互环节的边际收益正在持续下降。论文通过多个案例指出了其中的问题:在RLVR训练中,若一组回答的奖励完全相同,GRPO算法的优势会消失,但模型仍会为生成这些回答投入计算资源;机器人的随机采样过程中,大量轨迹会反复覆盖已掌握的场景;推理阶段,继续延长思考时间并不总能改变最终答案。这些现象共同指向一个核心瓶颈:当前的核心矛盾已从“能执行多少交互”转向“有多少交互值得执行”。

核心机制:先预测,再执行筛选

论文提出了“条件交互”的机制,将一次任务的执行拆分为四个连贯步骤:

  1. 预测:由System1评估候选交互的效用,仅输出价值评分,不直接求解任务本身。
  2. 门控:评分超过预设阈值的交互才会被放行;若不同交互的执行成本存在差异,排序时还需将执行成本纳入考量。
  3. 执行:System2仅处理通过门控筛选的交互。
  4. 更新:交互的真实结果会回流,用于重新校准System1的预测能力。

这一机制的关键前提是:预测环节的成本必须远低于执行成本,否则筛选操作本身就失去了存在的意义。

不是简单的模型分流,而是系统协同进化

静态级联虽能降低部分成本,但这类方案通常仅用于单次推理,且执行结果不会回流用于优化。而论文提出的协同设计模式完全不同:System1会同时调度训练与推理阶段的计算、存储资源;System2的奖励信号、梯度信息和执行结果会持续修正System1的筛选逻辑;当System2的能力提升后,有价值的交互类型也会发生变化,对应的门控阈值必须同步调整。因此,该路径的核心并非简单拼接大小模型,而是推动两个系统相互塑造、共同进化。

收益上限由有效交互密度决定

论文用符号ρu表示候选池中效用达到门槛的交互比例。在筛选完美、预测无成本、所有交互执行成本相同的理想条件下,执行成本可降至原来的ρu,加速比接近1/ρu。若仅20%的交互具备实际价值,理论上的性能提升上限约为5倍。但实际场景中,误判、漏判、预测开销、分布漂移等因素都会损耗收益,因此论文进一步提出“有效计算量”的概念,希望用“真正创造效用的计算量”而非总计算量来解释模型缩放的效果。

覆盖四类场景的闭环机制

论文的统一性在于复用了相同的决策模式,而非强行统一效用定义,该机制覆盖了四类核心场景:

  • 数字训练:优先选择能产生非零学习信号的交互提示。
  • 物理训练:优先执行适配高风险任务的配置。
  • 测试阶段推理:预测继续计算是否能带来收益,再决定是否延长思考时间或停止推理。
  • 智能体行动:对比工具调用的信息价值与延迟、费用、token消耗、风险等因素。

核心亮点与待验证问题

这是一篇视角类论文,并非针对新基准的刷榜研究。其提出的成本与遗憾边界建立在明确假设之上,已有应用结果仅为间接支持;同时,两个关键假设仍待验证:一是ρu是否会随模型能力提升而衰减,二是模型缩放的指数是否会发生变化。更棘手的问题在于,门控机制会“审查”自身的训练数据:被拒绝的交互没有结果,误判情况也就难以纠正。因此,独立审计与探索并非可选操作,而是维持闭环长期稳定运行的必要保障。

论文最具价值的视角是:下一轮模型缩放的核心,不再是单纯将System2做得更大,而是让System1的筛选能力更精准。下一步的关键实验方向是测量ρu的真实变化轨迹,并在相同有效计算量下对比学习曲线。

以上内容不代表本平台立场,仅供读者参考