我们现在站在的垭口：
- 如果你能针对一个问题（宽泛的、具体的），定义出具体的优化目标/Ground Truth ，那么你很有可能在可见的未来以相对的低廉的成本，训练出一个 "agent" 在这个目标上获得超人的表现。
- 重点是：reward function ，数据集构建（ both on training and eval ），训练的 know how
- 宽泛的问题的最终解就是 AGI/ASI 。而具体的问题是 OpenAI/Anthropica/DeepSeek 之外的公司的短期结构性机会

AI 很快（或者已经）会开始从各个不同的层开始优化自己的能力（ base model pre-train/post-train, environment, reward and eval ）。

人在过去 200 年中，一直在驱使技术螺旋上升。但现在这个过程中，人、工具、方法的演进旋转越来越快。（我觉得）人会被甩出去…