迈向 AGI 的规模扩展，是否取决于系统一允许系统二执行什么？
迈向通用人工智能（AGI）的进展，主要依靠扩展资源消耗较大的系统二，包括采用更大的模型、更多数据和算力、更长的推理过程以及更多智能体。本研究探讨，轻量且具备语义感知能力的系统一能否预先评估候选交互，只让系统二执行值得投入成本的项目。在这一循环中，系统一估算效用，系统二根据可调整的阈值执行获准项目，再利用结果更新系统一。在理想筛选且执行成本相同的条件下，计算量可近似按“与效用相关的交互占比”的倒数下降。预测误差、探索行为和数据分布变化会削弱节省效果。作者建议将该占比视为可衡量的规模扩展效率指标。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。