量子位
·
OpenAI两位首席最新采访信息量好大！终极目标是“自动化研究员”，招人并非寻找“最出圈”的人
内容提要
OpenAI首席科学家Jakub Pachocki和首席研究官Mark Chen在采访中探讨了GPT-5的推理能力、自动化研究员的目标及评估体系的饱和问题。他们强调基础研究的重要性，未来将专注于模型的实际发现和经济相关进展，同时提到强化学习和编程模型的持续优化。
关键要点
-
OpenAI的最终目标是实现自动化研究员。
-
现有评估指标趋近饱和，未来将关注实际发现和经济相关进展。
-
GPT-5旨在将推理能力引入主流，强调推理和Agentic行为。
-
强化学习仍在不断发展，未来将继续探索新方向。
-
OpenAI重视基础研究，避免被短期产品竞争牵制。
-
OpenAI寻找具备扎实技术功底和解决难题能力的人才。
-
计算资源是研究的关键，未来将继续关注算力和能源约束。
延伸解读
自动化研究员的愿景
OpenAI的目标是实现自动化研究员，这意味着未来的AI将能够独立发现新想法并推动科学进步。这一愿景不仅涉及内部研究的自动化，还可能扩展到其他科学领域，预示着AI在科研中的潜力将大幅提升。
评估体系的挑战
随着现有评估指标的饱和，OpenAI面临着如何有效衡量模型进展的新挑战。未来将更加关注模型在实际应用中的表现，尤其是在经济相关领域的发现能力，这可能会影响AI技术的实际应用效果。
强化学习的持续探索
尽管外界对强化学习的未来持怀疑态度，OpenAI的研究者们认为这一领域仍有巨大的发展潜力。通过不断探索新的方法和工具，强化学习可能会在未来实现更接近人类学习的能力，值得关注其进展。
人才招募的标准
OpenAI在招募人才时更看重的是解决问题的能力和扎实的技术基础，而非单纯的知名度。这种选择标准反映了公司对基础研究的重视，强调了在科研中坚持和适应的重要性。
延伸问答
OpenAI的终极目标是什么？
OpenAI的终极目标是实现自动化研究员。
GPT-5在推理能力上有什么新尝试？
GPT-5旨在将推理能力引入主流，强调推理和Agentic行为。
OpenAI如何看待现有评估指标的饱和问题？
OpenAI认为现有评估指标趋近饱和，未来将关注模型的实际发现和经济相关进展。
OpenAI在招募人才时看重哪些特质？
OpenAI寻找具备扎实技术功底和解决难题能力的人才，而非最“出圈”的人。
强化学习在OpenAI的研究中有什么重要性？
强化学习被认为是一种通用且强大的方法，OpenAI将继续探索其新方向。
OpenAI如何看待基础研究的重要性？
OpenAI重视基础研究，避免被短期产品竞争牵制，以保护长期研究目标。
