原文
| ||||||||||
| ||||||||||
![]() |
原始链接: https://news.ycombinator.com/item?id=43479985
Hacker News 的讨论线程关注 Gemini 2.5 Pro 推理任务可行性的能力,暗示了大型语言模型的下一个发展阶段。评论者推测,实现 AGI(通用人工智能)的关键不在于创造单个超级智能模型,而在于有效地协调现有的大型语言模型和工具。 一位用户建议将复杂请求分解成由大型语言模型、智能体和工具组成的网络可以处理的子请求——这是一种通过协调函数调用来进行模块化问题解决的概念。这强调了强大的路由/协调层的的重要性。 另一位用户表达了同样的观点,指出将大型语言模型分层,并增加抽象级别,结合强化学习,可以显著提高规划任务的性能。大家感觉各个组件已经具备能力,挑战在于创造将它们结合在一起的“粘合剂”。原发帖人表示同意,他认为我们已经拥有了 AGI 的基础模块,只需要改进如何协调现有模型。
| ||||||||||
| ||||||||||
![]() |
reply