Laws

近期AI领域围绕'Laws'的讨论主要集中在两个方向：一是scaling laws的扩展与应用，二是公司发展中的潜在'定律'。OpenAI的Sam Altman在2014年曾被认为是一场骗局，但随着GPT系列的成功，scaling laws（扩大模型规模带来性能提升）成为行业信条。然而，最新研究显示，仅靠模型规模增长已遇到瓶颈，'Scaling Laws for Agent Harnesses'提出了有效反馈计算（EFC）概念，将成功率从0.27提升至0.90，强调智能体反馈机制的重要性。另一方面，Anthropic的崛起被解读为'人才定律'——创始团队的背景和技术积累决定了公司上限。当前焦点在于：scaling laws是否正从模型参数扩展转向系统化反馈优化？未来需观察EFC等新范式能否持续突破，以及人才定律对AI公司竞争的长期影响。