08:51Gary Marcus@GaryMarcus精选Gary Marcus 对 Anthropic 关于递归自我改进(RSI)的博客提出关键批评。他指出,博客中展示的成果属于 RSI(AI 作为人类可用的编码工具),而非 AGI(能自主完成人类所有工作的机器)。Marcus 强调,这些结果来自神经符号系统(如 Mythos 和 Claude Code),并非纯规模扩展的胜利,而是工具和符号系统的胜利。他认为,深度学习确实遇到了瓶颈,神经符号 AI 拯救了它,而实现 AGI 需要新思路,而非仅靠代码优化。因此,我们不必过度恐慌。行业AGIRSI神经符号系统AnthropicGary Marcus10 个信源在谈推荐理由:Gary Marcus 一针见血地拆解了 Anthropic 博客的过度乐观,做 AI 研究的团队和关注 AGI 进展的读者值得一看,避免被标题误导。原文
10:10Gary Marcus@GaryMarcus精选Gary Marcus 转发了一条关于神经符号系统(Neurosymbolic)的突破性进展:通过让一个 80 万参数的 Transformer 像逻辑求解器一样推理,仅用 15 分钟训练计算就能在极难数独(sudoku-extreme)上达到 100% 准确率。这项工作由 Leo 在 Axiom Math AI 完成,标志着神经符号集成在推理任务上的重大进步。它展示了小模型通过符号化推理能力可以超越纯神经网络方法,为 AI 推理效率提供了新思路。论文神经符号系统推理模型Transformer数独小模型推荐理由:神经符号系统终于有了可量化的突破——小模型+符号推理就能碾压纯神经网络,做推理模型和逻辑 AI 的团队值得关注这个方向。原文