Noam Brown 谈智能体集群、对齐与递归自我改进
OpenAI 研究员 Noam Brown 在 Dwarkesh Patel 的播客中谈多智能体、对齐与递归自我改进。他提到 OpenAI 上周用 10,000 个智能体、88 小时消耗 1300 亿 token 解决了一个千禧年大奖难题（Navier-Stokes），但认为多智能体的功劳不到 10%，核心是模型本身足够强。
推荐理由：对话从 OpenAI 内部视角说明多智能体并行扩展的收益与代价，并解释递归自我改进为何受实验算力制约。
行业关键人物在想什么：创始人访谈、研究者论战、投资人判断的观点集合。
OpenAI 研究员 Noam Brown 在 Dwarkesh Patel 的播客中谈多智能体、对齐与递归自我改进。他提到 OpenAI 上周用 10,000 个智能体、88 小时消耗 1300 亿 token 解决了一个千禧年大奖难题（Navier-Stokes），但认为多智能体的功劳不到 10%，核心是模型本身足够强。
推荐理由：对话从 OpenAI 内部视角说明多智能体并行扩展的收益与代价，并解释递归自我改进为何受实验算力制约。