科技媒体 The Decoder 昨日（5 月 12 日）发布博文，报道称 OpenAI 高级模型开发负责人 Jakub Pachocki 指出，AI 推理模型正展现出自主生成知识的潜力。
他认为这种推理并非人类思维的翻版，而是基于数据和算法的独特过程。AI在线援引博文介绍，Pachocki 解释，AI 的学习分为两个阶段：首先是无监督预训练，模型吸收海量数据，构建一个无意识、无时间线的“世界模型”（world model），以此理解现实的基本框架。
第二阶段则是通过强化学习与人类反馈（RLHF）将基础模型转化为实用助手。Pachocki 强调，这一阶段在最新的推理模型中尤为关键。
OpenAI 同时结合传统强化学习，处理有明确对错的任务，而 RLHF 则更适合复杂问题，尽管其扩展性有限。他还质疑预训练与强化学习是否应视为独立阶段，认为推理模型的“思考”根植于预训练数据，二者需深度融合。
近期一篇论文指出，推理训练并未为模型增添全新能力，而是帮助它们更高效地应用已有知识。例如，模型能以更结构化的方式解决已知问题。Pachocki 对此表示认同，并补充，模型已展现出发现新见解的潜力，这为 AI 的未来应用奠定了基础。
对于通用人工智能（AGI），Pachocki 表示其观点不断演变。他回忆作为学生时，他认为 AI 掌握围棋是遥不可及的目标，但 2016 年 AlphaGo 的胜利彻底改变了他的认知。
如今，他将 AI 的经济价值视为下一个里程碑，强调 AI 需实现商业成果并开展自主研究。他预测，到本世纪末，AI 自主研究将取得“实质性进展”，甚至今年内可能出现近乎自主的软件开发系统。
