研究心法
问题不可避免，但问题可以解决
这不是鸡汤，而是一种研发节奏：强化学习解决一批问题，会展开评估、验证、泛化等新问题。AI 公司真正的日常，是把新问题变成下一段山路。
核心心法与宏观判断
先把整期最重要的技术与组织判断压成可复述的几句话。
1. AI 不是登月，而是一座可能没有尽头的雪山。 杨植麟反复借《The Beginning of Infinity》的框架解释研发状态：每解决一个问题，知识边界就扩大，同时制造新问题。AGI 更像方向而不是台阶，最重要的是持续爬升。
2. 过去一年的范式变化是 test-time scaling。 一条路线是强推理模型在脑内反复提出猜想并自我验证；另一条路线是 Agent 在多轮交互中使用工具、接收外界反馈。前者像“缸中之脑”，后者让模型把大脑接到世界。
3. K2 的核心叙事是 token efficiency 与 Agent 泛化。 当高质量数据增长变慢，真正重要的是把同一份数据吸收得更好；非 Adam / 矩阵正交化优化器、数据改写、更多参数与更强 post-training，都是围绕这个目标。
4. Agent 最大瓶颈不是会不会用工具，而是能否泛化到长尾工具。 Benchmarks 很容易诱导单点过拟合；杨植麟认为要用更 AI-native 的方式训练 AI，让模型参与对齐研究、训练流程和下一代模型研发，才能用“L4 解决 L3”。
章节深度交互地图
左侧点选章节，中间看主线拆解，右侧切换术语工具箱。
关键概念卡片
每张卡都对应访谈里的一个技术判断，可直接跳回原音频。
模型范式
缸中之脑 vs 接入世界的 Agent
强推理是在脑内不断猜想与验证；Agent 是边思考边操作工具。两者都是推理时扩展，只是一个扩 token，一个扩交互轮次。
路线图
L1 到 L5 不是线性台阶
Reasoning 和 Agent 可以并行推进；要做好 Agent 又需要更强推理。Innovation 和 Organization 也可能提前出现，比如让 K2 参与 K3 的研发。
K2 技术
高质量数据变慢后，拼的是 token efficiency
训练更快不等于更聪明；把同一份高质量 token 吸收得更好，才提高模型上限。K2 的优化器、数据改写和参数规模选择，都围绕这个问题展开。
泛化瓶颈
Agent 最大挑战是长尾工具泛化
真正通用的 Agent 不该只会常见工具，而要能读懂公司内部数据库、私人文档、定制 API。今天的 benchmark 很容易把模型带向单点过拟合。
产品判断
模型级产品仍然成立
在 Agent 产品里，模型、工具、上下文和环境要在训练时就整合好。模型训完，产品大部分已经完成；交互层是很重要，但更像最后的增益。
优先必听精彩时刻
时间有限时，先听这几个片段。
- “无限的开端”框架： 问题不可避免，但问题可以解决，AI 研发就是不断扩展知识边界。
- 强推理模型的本质： 模型在脑内多次提出猜想并自我验证，从单次输出变成多次尝试。
- Agentic LLM 的定义： 多轮操作工具，边思考边接收外界状态更新。
- K1.5 与 K2 的分工： 前者验证强化学习路线，后者强调好的 base model 和 token efficiency。
- Agent = 多轮 + 工具： 从“缸中之脑”到可以连接互联网、代码、内部数据库和定制 API。
- 长上下文必须保智商： 百万级上下文不只要长，还要在很长时仍然“脑子好用”。
- 下一代模型方向： K2 的性能还没榨干，接下来是更多 post-training、下一代 base model 和多模态。
- 用 RL / SFT 管理团队： 组织创新也像强化学习，奖励设计过窄会 reward hacking，SFT 过多会失去创造力。
术语与概念索引
适合复盘、做笔记或快速给别人讲这一期。
test-time scaling
推理时扩展。可以扩思考 token，也可以扩 Agent 交互轮次，目标都是让模型在回答时花更多计算解决更复杂任务。
缸中之脑
杨植麟用来形容强推理模型：不与外界交互，只在脑内反复猜想、验证、修正。
Agentic LLM
能多轮使用工具、接收环境反馈并调整下一步动作的模型。关键词是多轮和工具。
token efficiency
同样高质量数据下，模型能吸收出多少智能。数据墙出现后，这比单纯训练更快更关键。
非 Adam 优化器
访谈中提到的基于矩阵正交化思路的新优化器路线，目标是提升 token efficiency。ASR 对名称有误识别，页面避免强行定名。
模型级产品
产品能力在训练模型时已嵌入工具、上下文和环境，模型训练完成后，产品核心也基本成型。
AI-native 训练
让模型参与训练、对齐、评估、实验分析和下一代模型研发，用 AI 训练 AI 来突破人工任务设计的泛化瓶颈。
reward hacking
奖励定义过窄时，系统会把指标刷高却没有真正达成目标。杨植麟把它类比到团队管理。
转写注意事项
本页基于 SiliconFlow FunAudioLLM/SenseVoiceSmall 分块转写整理。由于接口只返回文本，时间戳是 180 秒切片范围，不是逐字级时间戳。ASR 中“杨志琳/杨志林/志玲”均整理为“杨植麟”；“Kwo/KR/K two/黑度”等根据语境整理为 Kimi/K2；“IL/强学习”等按上下文理解为 RL / 强化学习。涉及优化器具体名称处，保留“非 Adam / 矩阵正交化优化器”这一更稳妥表达。
十分钟切片精读（10 段覆盖全片 1 小时 40 分）
每段约 10 分钟：一段完整概述 + 本段全部讨论点 + 一句原话摘引。支持关键词过滤，点击时间戳可跳回音频复听。