AI RESEARCH / AI 研究
從一個生活裡的難題開始,慢慢找答案。
AI 說自己會了,不等於它真的做得到。我們把問題拆小,逐一檢查:記住的經驗有沒有幫助、對下一步的預想靠不靠得住、修改後有沒有真的變好。結果不理想也照實留下,因為知道哪裡行不通,是下次做得更好的起點。

三個明確的問題,
三條各自驗證的研究路徑。
每項研究都有自己的測試範圍。以下結果只反映已完成的測試,不代表 AI 已具備通用能力或已成為產品功能。
01 / 小型 AI 模型
小型 AI 模型
研究較小型的 AI 模型如何在有限的記憶體與運算能力下學習,以及學到的方法能否幫助它完成新任務。
目前觀察
在範圍有限的模擬任務中,模型曾展現適應新情境的跡象,但部分原有能力也有退步。後續在裝置上調整模型的測試,整體表現仍未超過未調整的模型。
代表結果
查看方法與限制 ↗02 / 世界模型這輪記憶測試沒有顯示穩定提升;規則卡測試無效,回退基準的 50% 不代表規則卡帶來改善。
世界模型
研究 AI 能否根據目前掌握的資訊,推測不同做法可能帶來的結果,再檢查這些推測能否幫助選擇。
目前觀察
在規則明確、範圍有限的測試中,加入更多觀察資料後,多步結果預測變得更準確。
代表結果
查看方法與限制 ↗03 / 評估與改進在 F1 模擬情境中,動作更新與精確檢索的任務效用同為 0.450;其他兩類沒有決策效用提升。
評估與改進
比較模型調整前後的表現,看看進步能否延伸到沒看過的新任務,而不是只在原本的測試中有效。
目前觀察
早期模擬測試優於簡單的對照模型,但和更嚴格的對照相比,仍未達到事先設定的改善門檻。
代表結果
查看方法與限制 ↗在 48 個後代測試世界中,回饋式選擇平均 0.756,固定課程 0.474;這衡量的是軟體選擇器,不是模型自行改進。
測試結果能說明多少,
我們就說到哪裡。
我們分開記錄測試條件、實際結果和仍待確認的地方。在有限測試中看到進步,只能說明那類測試有所改善;要判斷能否用在新任務、真實環境或產品裡,還需要更多驗證。