智猩猩AI整理
编辑：林夕
近日，智谱创始人、清华大学教授唐杰现身新加坡国立大学，围绕大模型能力演进、Agent与AGI展开分享。
这场分享中，唐杰回顾了大模型过去几年的发展，也讲到了GLM迈向AGI的下一步。
在唐杰看来，下一阶段AI的重点已经不只是把聊天做长，而是让模型进入更复杂的环境，通过强化学习、持续学习等方式继续提升能力。
唐杰首先提到了大模型能力中的一个重要现象——能力涌现。
早在2022年，Wei等人的研究就曾讨论过这一现象：随着模型规模不断扩大，一些此前并不明显的能力可能在跨过某个临界点后出现明显跃升。
算术、翻译、解谜等任务都曾表现出类似特征。
也就是说，模型能力并不会随着规模增长一点点往上走，有些能力可能要等模型跨过某个临界点后才会突然出现。
在唐杰的梳理中，2020年至2026年的大模型发展大致经历了五个阶段：Knowledge、Chat、Coding、LHT和AAS。
从这条路线来看，大模型Scaling正在从预训练阶段的数据和参数规模，逐步延伸到后训练、任务环境和智能体系统。
在这条路线中，Knowledge阶段主要依靠预训练Scaling，Chat和Reasoning更多依赖SFT与人类反馈。
到了Coding阶段，SWE-Bench等任务开始提供更加明确的奖励信号，RL成为新的Scaling手段。
再往后进入LHT，模型需要在更复杂、更长的环境中持续完成任务，Scaling的对象也从模型本身扩展到环境的复杂度、多样性和运行长度。
到了AAS，模型不仅要完成长程任务，还需要维护系统、处理持续出现的问题，并进一步尝试通过RSI改进自身的模型、工具和训练系统。
在演讲中，唐杰还展示了2020年至今大模型在不同Benchmark上的成绩变化。
按照他的判断，当模型在一个领域达到80%左右的准确率时，已经可以成为一个显著有效的工具；当准确率达到90%-95%时，这个领域可能已经发生很大变化，人类在相关工作中将越来越难离开模型。
在这样的背景下，继续提高传统Benchmark上的分数，已经不是唯一需要关注的事情。
唐杰还用“KFC”概括了当前大模型所处的状态。
其中，K代表Knowledge。他认为，目前模型的Knowledge能力已经非常强，甚至Coding也正在被快速攻克。
F则对应模型能力进一步进入实际攻防等场景。例如Anthropic的Mythos等系统，已经开始改变AI安全攻防的格局。
而C所代表的，则是模型进入日常工作和生活。随着模型能力不断提高，越来越多工作已经开始依赖AI。
那么，接下来还有哪些能力需要继续Scaling？
唐杰认为，目前至少还有两个明显的Gap：一个是RSI，即模型自我迭代的能力；另一个是机器人进入物理世界后的行动能力。
在此基础上，唐杰进一步给出了GLM下一阶段的三个Scaling方向。
第一是预训练Scaling，继续增加数据和模型规模，提高基础模型的智能上限。
第二是后训练Scaling，通过SFT、RLHF以及RLVR等方式，进一步提升推理和任务解决能力。唐杰也提到，GLM-5.3正在沿着这一方向继续推进。
第三是推理与智能体Scaling，通过更复杂的环境、更困难的长程任务，以及更大的思考和操作空间，继续扩大模型能力。
而这也对应着智谱近期正在推进的研究。
今年7月，唐杰参与的论文Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning发布，研究长程Agent任务中的强化学习训练。
论文提出SAO，用单次rollout替代传统GRPO的group-wise sampling，同时处理Agentic RL训练中的异步和稳定性问题，相关方法已经用于GLM-5.2的训练。
对于Agentic RL来说，训练过程本身也发生了变化：模型不再只是生成答案，而是需要不断与环境交互。
因此，环境本身开始成为模型能力提升的一部分。
这也对应了唐杰此次重点谈到的另一个关键词：记忆。
在Agent时代，单纯扩大Context Window并不等于真正拥有长期记忆。一个长期运行的Agent，需要能够保存过去的经验，并在面对新任务时主动调用这些信息。
因此，唐杰认为，记忆的重要性可能高于单纯扩大上下文。
智谱近期也在围绕大模型记忆机制展开研究，对KV Cache、RNN/SSM、Titans、TTT、Engram等不同记忆机制进行梳理。
而这也进一步指向了唐杰所说的下一阶段——实时学习、在线学习以及自我进化。
如果模型能够持续进入新的环境、完成任务、获得反馈并保存经验，再把这些经验用于下一次任务，就开始具备持续学习的能力。
这也对应了唐杰此次分享中对Agent的一个判断：Agent将成为AI workers。
在这样的路线里，Agent不仅可以帮助人类完成办公、编程等数字任务，也可能进一步进入科学研究。
当AI能够自主提出问题、设计实验、调用工具、分析结果，再根据结果调整下一步行动时，Agent就可能从“AI助手”进一步走向“AI科学工作者”。
机器人则可能成为另一个重要突破口。
如果说今天的大模型主要在数字世界中学习和工作，那么机器人提供的是一个更加复杂的物理环境。
感知现实世界、采取行动、获得反馈，再根据反馈调整下一步行为，本身就是一个持续学习的闭环。
因此，唐杰也将机器人视为未来可能出现类似“GPT-4时刻”的重要方向。
回头看GLM的发展，从Knowledge到Chat，再到Coding、LHT和AAS，Scaling的对象已经从数据和参数，逐渐扩展到训练信号、任务环境和智能体系统。
GLM通往AGI的下一程，也正在从把模型做大，走向让模型持续行动、持续学习，并最终具备自我改进的能力。
关注+星标，获取AI前沿进展与开源一线动态
热门跟贴