| F1 新情境世界建模 & 反事实想象 |
单一 world model engine，用 H‑JEPA 做层级自监督预测，在潜在空间里模拟未来轨迹，再用 cost 评估，完全就是“想象后果再行动”的 System‑2。:contentReferenceoaicite:2 |
在 Dwarkesh 访谈里，他核心抱怨是：模型在新情境下的泛化远差于人，而人可以像学开车那样，在几小时内通过交互就形成稳定世界模型和直觉。:contentReferenceoaicite:3 |
Common Model 里直接有 transition model / world model 作为四大组件之一，用来在内部模拟“如果做某 action 会怎样”。OaK 进一步变成 option model：执行一个技能后会到哪、得多少回报。:contentReferenceoaicite:4 |
| F2 长程推理 & 信用分配 |
明确把“用 world model 做多步模拟 + 反向传播 cost”定义为 推理 / planning（Mode‑2），然后把结果蒸馏成快速 policy（Mode‑1），这是典型长程 credit assignment 结构。:contentReferenceoaicite:5 |
Ilya 大篇幅讲“value function 让你在 1000 步思考后才发现方向错时，能把惩罚往前推 1000 步”，这是在为长链条推理的 credit assignment 打地基，用来支撑科研式、编程式思考。:contentReferenceoaicite:6 |
Sutton 的价值函数 + 模型 + planning 就是经典 RL 里的长程 credit assignment；Big World 假设下，他强调在大世界里只能靠近似、规划和价值函数来做长期决策。:contentReferenceoaicite:7 |
| F3 小样本 / 弱监督快速适应 |
整个架构就是为“自监督 + 世界模型 提升样本效率”服务：通过预测未来表征而不是标签，最大化每个样本的信息利用率，目标就是人类式“看一点就会”。:contentReferenceoaicite:8 |
他说得很直白：“模型在样本效率和可教性上远差于人，这是最根本的问题”，并以青少年学开车为例：少量体验就掌握，而且过程几乎是 self‑supervised 的。:contentReferenceoaicite:9 |
Big World 论文明说：agent 太小、世界太大，不可能为每个状态学到精确值，只能用有限资源做高效近似，这天然要求极强的样本效率和泛化。:contentReferenceoaicite:10 |
| F4 持续 / 运行期学习（runtime） |
虽然论文没狂刷 “continual learning” 这个词，但训练 world model/critic 本身就是持续自监督过程，图里也允许在交互时不断微调世界模型和 critic——可以在写作里强调这一点，把它解读成走向 runtime fluid‑int 的一环。:contentReferenceoaicite:11 |
他的 framing：“从 scaling 的时代回到 research 的时代”，核心就是预训练吃干榨尽后，要靠 RL 和部署期继续学习来获得真正能力；他明确说未来系统会像人一样在真实任务中不停 self‑correct。:contentReferenceoaicite:12 |
Sutton 是最激进的 runtime 派：Big World 直接说“停止学习的 agent 在大世界里必然次优”，OaK 把“所有组件持续学习”写成设计原则——这几乎就是把 fluid intelligence 定义成 runtime property。:contentReferenceoaicite:13 |
| F5 抽象 / 任务分解 & 组合 |
用 层级 world model + 多时间尺度预测 做抽象（短期细节 vs 长期因果），再配合 cost/actor 形成从粗到细的分层规划；你可以直接把这行命名成 “Hierarchical abstraction (a fluid‑int aspect)”。:contentReferenceoaicite:14 |
Ilya 这边更多是通过比喻：人类学习科研、编程时，会把任务分成阶段、自我纠错；他认为未来系统也要学会这种“自发地把长任务切成可学的中间步骤”，只是具体算法他现在不能讲。:contentReferenceoaicite:15 |
OaK 的 FC‑STOMP（Feature→Subtask→Option→Model→Planning）就是把“抽象、子任务和技能”写死在循环里的层级 fluid‑int：agent 不断提出自定义子任务，学成 skill（option），再用 option‑model 做高层规划。:contentReferenceoaicite:16 |
| F6 元学习（learning to learn） |
LeCun 的 Configurator 模块可以看作一种系统级元学习器：它根据任务和状态来调节 perception/world‑model/cost 的参数和关注点，本质上是在“学如何在当前情境下用好已有能力”。:contentReferenceoaicite:17 |
访谈里他多次暗示“人类在数学、编程等新领域里的学习能力，说明我们有一种更强的 machine learning 本身”，但细节不能公开——你可以在 cell 里写：> “Postulates an undisclosed ‘better ML principle’ underpinning human‑like learning‑to‑learn.”:contentReferenceoaicite:18 |
Sutton 很早就强调 step‑size、自适应学习率等 meta‑learning；OaK 里还讨论给每个权重独立 step‑size 并在线调节。你可以把这归纳为：“treats learning algorithm itself as an object of optimization at runtime”。:contentReferenceoaicite:19 |
| — |
— |
— |
— |
| F1 新情境世界建模 & 反事实想象 |
单一 world model engine，用 H‑JEPA 做层级自监督预测，在潜在空间里模拟未来轨迹，再用 cost 评估，完全就是“想象后果再行动”的 System‑2。:contentReferenceoaicite:2 |
在 Dwarkesh 访谈里，他核心抱怨是：模型在新情境下的泛化远差于人，而人可以像学开车那样，在几小时内通过交互就形成稳定世界模型和直觉。:contentReferenceoaicite:3 |
Common Model 里直接有 transition model / world model 作为四大组件之一，用来在内部模拟“如果做某 action 会怎样”。OaK 进一步变成 option model：执行一个技能后会到哪、得多少回报。:contentReferenceoaicite:4 |
| F2 长程推理 & 信用分配 |
明确把“用 world model 做多步模拟 + 反向传播 cost”定义为 推理 / planning（Mode‑2），然后把结果蒸馏成快速 policy（Mode‑1），这是典型长程 credit assignment 结构。:contentReferenceoaicite:5 |
Ilya 大篇幅讲“value function 让你在 1000 步思考后才发现方向错时，能把惩罚往前推 1000 步”，这是在为长链条推理的 credit assignment 打地基，用来支撑科研式、编程式思考。:contentReferenceoaicite:6 |
Sutton 的价值函数 + 模型 + planning 就是经典 RL 里的长程 credit assignment；Big World 假设下，他强调在大世界里只能靠近似、规划和价值函数来做长期决策。:contentReferenceoaicite:7 |
| F3 小样本 / 弱监督快速适应 |
整个架构就是为“自监督 + 世界模型 提升样本效率”服务：通过预测未来表征而不是标签，最大化每个样本的信息利用率，目标就是人类式“看一点就会”。:contentReferenceoaicite:8 |
他说得很直白：“模型在样本效率和可教性上远差于人，这是最根本的问题”，并以青少年学开车为例：少量体验就掌握，而且过程几乎是 self‑supervised 的。:contentReferenceoaicite:9 |
Big World 论文明说：agent 太小、世界太大，不可能为每个状态学到精确值，只能用有限资源做高效近似，这天然要求极强的样本效率和泛化。:contentReferenceoaicite:10 |
| F4 持续 / 运行期学习（runtime） |
虽然论文没狂刷 “continual learning” 这个词，但训练 world model/critic 本身就是持续自监督过程，图里也允许在交互时不断微调世界模型和 critic——可以在写作里强调这一点，把它解读成走向 runtime fluid‑int 的一环。:contentReferenceoaicite:11 |
他的 framing：“从 scaling 的时代回到 research 的时代”，核心就是预训练吃干榨尽后，要靠 RL 和部署期继续学习来获得真正能力；他明确说未来系统会像人一样在真实任务中不停 self‑correct。:contentReferenceoaicite:12 |
Sutton 是最激进的 runtime 派：Big World 直接说“停止学习的 agent 在大世界里必然次优”，OaK 把“所有组件持续学习”写成设计原则——这几乎就是把 fluid intelligence 定义成 runtime property。:contentReferenceoaicite:13 |
| F5 抽象 / 任务分解 & 组合 |
用 层级 world model + 多时间尺度预测 做抽象（短期细节 vs 长期因果），再配合 cost/actor 形成从粗到细的分层规划；你可以直接把这行命名成 “Hierarchical abstraction (a fluid‑int aspect)”。:contentReferenceoaicite:14 |
Ilya 这边更多是通过比喻：人类学习科研、编程时，会把任务分成阶段、自我纠错；他认为未来系统也要学会这种“自发地把长任务切成可学的中间步骤”，只是具体算法他现在不能讲。:contentReferenceoaicite:15 |
OaK 的 FC‑STOMP（Feature→Subtask→Option→Model→Planning）就是把“抽象、子任务和技能”写死在循环里的层级 fluid‑int：agent 不断提出自定义子任务，学成 skill（option），再用 option‑model 做高层规划。:contentReferenceoaicite:16 |
| F6 元学习（learning to learn） |
LeCun 的 Configurator 模块可以看作一种系统级元学习器：它根据任务和状态来调节 perception/world‑model/cost 的参数和关注点，本质上是在“学如何在当前情境下用好已有能力”。:contentReferenceoaicite:17 |
访谈里他多次暗示“人类在数学、编程等新领域里的学习能力，说明我们有一种更强的 machine learning 本身”，但细节不能公开——你可以在 cell 里写：> “Postulates an undisclosed ‘better ML principle’ underpinning human‑like learning‑to‑learn.”:contentReferenceoaicite:18 |
Sutton 很早就强调 step‑size、自适应学习率等 meta‑learning；OaK 里还讨论给每个权重独立 step‑size 并在线调节。你可以把这归纳为：“treats learning algorithm itself as an object of optimization at runtime”。:contentReferenceoaicite:19 |
