arXiv · cs.AI· Jianyu Zhang, L\'eon Bottou·· 1 天前
开放世界AI：面向推理时学习的丰富表示与预测解耦
Open-world AI: a Tale of Three Requirements
arXiv:2610.20782v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Jianyu Zhang, L\'eon Bottou
研究任务与主要进展
Jianyu Zhang与Léon Bottou提出开放世界AI需要推理时学习、丰富表示和预测解耦三项要求，并指出相关任务数据的累积收益取决于模型是否满足这些要求。基于论文摘要，作者在最高8B语言模型上进行了定性测试：满足要求的模型随相关任务数据增加而改善，其余模型退化，扩大规模或采用层类型交错无法修复这一差异。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org