强化学习之父Sutton最新访谈：合成数据是巨大错误，大模型只完成了四分之一的智能

• 2026-08-23

当前，大模型主要通过预训练和后训练获得能力，上线后参数通常不再更新，只能借助上下文、知识库或重新训练适应变化。如何让 AI 在部署后持续学习，正成为行业需要突破的基础问题。 8 月 18 日，红杉资本旗下播客《Training Data》发布了一期围绕 AI 持续学习的对谈，受访者为强化学习奠基人、2024 年图灵奖得主 Rich Sutton。此外，参与访谈的嘉宾还有 Sutton 的前学生、Oak Lab 联合创始人 Khurram Javed，对谈由红杉资本合伙人 Sonya Huang 和 Alfred Lin 主持。 访谈从 Sutton 2019 年发表的《苦涩的教训》谈起，延伸至合成数据、世界模型和持续学习，并讨论智能体如何从真实经验中形成抽象概念。Sutton 认为，部署后便停止改变的模型，还称不上完整的智能系统。大模型虽是重要突破，却主要解决了语言能力，只覆盖智能的一部分。 基于这一判断，Sutton 正将持续学习推进为一条完整的技术路线。就在上个月，他与 Khurram Javed 创立 AI 初创公司 Oak Lab，并提出以经验学习、时间抽象和规划为核心的 OaK 架构，希望智能体能从连续经历中实时学习，不断更新认知并改进决策。 “止步不前”的智能 在今天，大模型看起来无所不知，却有一个容易被忽略的特点：它们的大部分能力都在上线前形成，经过预训练和后训练后，模型参数便基本固定。此后即使每天接触大量用户和新信息，也不会像人一样把这些经历转化为新的长期能力。 图｜访谈现场