Mark 是 OpenAI 的首席研究官，领导前沿 AI 研究并主导多模态模型与 AGI 探索。近期他在多个公开场合讨论了扩展定律、预训练有效性及 AI 评估危机等核心议题，展现出对 AI 发展方向的深刻思考。
Mark 近期关于 AGI 与扩展定律的讨论
在 Latent.Space 的播客中，Mark 详细阐述了 OpenAI 对 AGI 进展的看法，认为当前模型能力仍远未达到通用智能，但通过持续扩展计算和数据集规模，性能提升依然显著。他强调预训练并未过时，反而成为基础能力的关键来源，并指出评估框架的缺失可能导致对模型真实能力的误判。OpenAI首席研究官讨论AGI进展与模型能力未来
Mark 关于预训练与科学艺术性的观点
Mark 在另一场对话中明确指出，预训练阶段对模型的世界知识积累至关重要，过度依赖强化学习或测试时计算反而可能限制泛化能力。同时，他在个人社交平台上提出，AI 加速科学发现时必须保留人类研究的艺术性，避免一味追求自动化而失去灵感空间。OpenAI首席研究官：预训练并未过时科学比以往更重要：AI 加速发现需保留艺术性
当前焦点与观察点
Mark 的观点集中反映了 AI 研究界的两个核心争议：一是扩展定律是否仍为性能提升的主要驱动力，二是如何设计更可靠的评估体系来捕捉模型弱点。他既坚持计算扩展的潜力，又警示评估失准可能误导研究方向。此外，Mark 对保留人类创造性的呼吁，呼应了 AI 辅助科研中“黑箱”与“可解释性”间的平衡难题。这些讨论将直接影响下一代模型训练策略和评价标准的制定。