Dwarkesh Patel：下一代AI范式或靠真实干活炼成

播客主Dwarkesh指出当前RLVR路线依赖可验证、可大规模刷题的任务，代码数学进步快但创业、诉讼等真实世界任务因无法重置复制难以纳入；他认为关键在于将部署后的真实经验蒸馏回模型权重，而非停留在上下文学习，提出OPSD自蒸馏与dreaming构造模拟环境两条路径；设想2027-2028年训练流程将从发布前训练转向发布后持续学习，每次真实交互、失败和修正都成为下一轮能力提升的养料。