The DecoderT2·72 分
萨顿再批大模型缩放路线 称算力堆叠无法通向智能
原标题：The inventor of the bitter lesson has a bitter lesson for LLM scaling enthusiasts
- Sutton 认为算力堆叠不是智能的充分条件，AI 研究仍需新方法
- 他批评合成数据是“大错误”，主张智能体依靠世界模型从经验中持续学习
- 人类专业知识作为瓶颈会阻碍真正的规模化，这与主流缩放叙事形成对立
返回热点榜
llm热度 11.5°
AI 聚合热点事件 · 2026/11/8
萨顿再批大模型缩放路线 称算力堆叠无法通向智能
1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/8 19:44:41
全景综述与最新动态
1 家信源交叉印证图灵奖得主、《苦涩的教训》作者 Richard Sutton 发表新文，直言单纯堆叠算力不足以产生智能，AI 科学需要更聪明的新方法，且远未走到终点。他此前已批评大模型缩放的天花板，将合成数据称为“大错误”，并主张智能体应具备世界模型、从自身经验中持续学习。
最新动向/图灵奖得主、《苦涩的教训》作者 Richard Sutton 发表新文，直言单纯堆叠算力不足以产生智能，AI 科学需要更聪明的新方法，且远未走到终点。他此前已批评大模型缩放的天花板，将合成数据称为“大错误”，并主张智能体应具备世界模型、从自身经验中持续学习。
逐小时热度走势
3 个完整观测小时当前
11.5
峰值
11.920:00
近 24h 变化
–
曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。