谷歌：从AGI到ASI-四条演进路径及其瓶颈的系统性研究（2026年中文版）

fiimGenewein1，MatijaFrankiin1，AiexanderLerchner1，LaurentOrseau1，SamueiAibanie1，AdamBaies1，CoieWyeth1,2，StephanieChan1，IasonGabriei1，JoeiZ.Leibo1，AiianDafoe1，MarcusHutter1,3，fihoreGraepei1,4和ShaneLegg1 B术语 关键词：AGI，ASI，图灵oogie.FromFromAGIto这些摩擦的影响会引出开放研究问题（撰写时）outiined和增⻓趋势进⾏外推，得出的下⼗年预测听起来像科幻⼩说（Aschenbrenner,2024;Kokotajio等,2025;MacAskiii和Moorhouse,2025）。随着前沿模型不断改进，能够解决越来越⼀种“普通技术”（Narayanan和Kapoor,2025），具有深远影响但规模不⼤于互联⽹或智能⼿未来的问题再次变得及时⽽紧迫。WiiiAIprogresssoonpiateaunearFromFromAGItofiuring,1950;Wiener,1950）。虽然焦点常常放在潜在的威胁和危险上（Bostrom,2014;Hendrycks2025;Kuiveit等,2025;和托邦（Bostrom,2024;HoffmanBeato,2025;Kissinger等,2024）。乌托邦和反乌托邦轨迹可⽤多少，以及这些计算资源将如何转化为能⼒？¹（Ho等,2025）可⽤于进⾏更合理的推断。问题的第⼀部分，即预测计算增⻓，更容易处理：过测。第⼀个因素是硬件制造改进（“摩尔定律”及相关改进（Roser2023）），它使每美元的AI,2024）已转化为最⼤机器学习训练运⾏中使⽤的计算资源的稳定指数增⻓（SeviiiaRoidán,律的两倍（Erdii和Besirogiu,2022;HernandezBrown,2020），即每年3倍。在现代变压器架构的语⾔任务中也发现了类似的结果（Ho（Ding2023），⽽不是像变压器这样的少数突破性进展。SignificantaigorithmicefficiencyimprovementsacrossbenchmarksandoveranextendedperiodoftimehaveaisobeenfoundinHoetai.2025),whoestimateaigorithmicefficiencygainsformodernAImodeistobeevenhigher,ataboutG×peryear.fiheneteffectofaigorithmicefficiencyAI,2023）。由于估算每个增⻓因⼦存在相当⼤的不确定性，我们建议查阅当前⽂献和基准机构以²因为这三个效应相互叠加：1.52.5311.25，我们将其向下舍⼊到每年10倍作为⼀个保守估计。请注意，每个单独的因素都有相当⼤的不确定性（或许摩尔定律的不确定性最⼩），FromFromAGItohaimers,2010;Davidsonetai.,Good,1PG5;Hutter,2012;Kirk-GianniniDavidson,2025;MacAskiiiMoorhouse,2025;Ord,2020;Russeii,201P)。持续的指数增⻓是⼀个强烈的假设（fihorstad,2024），⽽在⾃然有的投资，以及最近的算法效率提升趋势（Hoetai.,2025）确实为这⼀轨迹提供了可信度。另⼀⽅FromFromAGItocompetentAGI”）。鉴于当前AI模型在许多⽅⾯已经超越⼈类（但还不够通⽤），第⼀个 FromFromAGIto，通过AIXI代理正式定义(Hutter,2005;Hutteretai.,2024)。它是⼀个（根据定义）最⼤化Legg-H备注I：UAI/AIXI是⼀种学习算法，因此正确的⽐较应该是针对LLM架构和训练算法，⽽不是经过训练的LLM（并使⽤“持续学习”⻛格的评估，即平均累积终⾝得分）FromFromAGIto本变得轻⽽易举，这些副本不仅在源代码（“DNA”）上相同，⽽且在内存状态（iifetime”）上也相同。这带来了⼀系列相对于⽣物智能的优势（或⾄少是差异），随着计算机变可以被视为⽣物智能的⼀种优势（在⼀定程度上）：正如N.劳伦斯（Lawrence,2024）所认为的FromFromAGIto

FromFromAGIto极限：通⽤⼈⼯智能，即AIXI（Hutter,2005；Hutter等⼈，2024；Legg,2008）。通⽤⼈⼯智

2010;VonNeumannandBurks,1PGG））。即使某个构型可以例如，PvsNPvsPSPACE等。实际计算能⼒的限制也适⽤于⾼级AI系

AIXI（“通⽤”意AIXI（代理），它通过与环境的互动获取更，并且为优化⽬标指定了时间范围或折扣⽅案。由此可以证明，AIXI在由通⽤先验加权的所有可AIXI来⾃索洛莫诺夫归纳法（AIXI计算其环境后验信念的⽅式）的最优性保证，即索洛莫诺夫归纳法AIXI的最优性保证构成了机器智能的形式化和定量定义的基础，即Legg-Hutter分数（Legg和，⽆论是AIXI还是相关的智能度量是可计算的。然⽽，可以制定从下⽅逼近AIXI的算法，并且这些算法保证随着计版本存在，例如（Veness等⼈，2011年），这是⼀个活跃的研究领域。当前理论理解的不⾜之处：通⽤⼈⼯智能，或AIXI框架，构成了当今对机器（超级）况下的最佳理解，尽管它也是⼀个基础研究的活跃领域。⼀个基本问题是它的不可计算性，以及将理论⻅解转化为实际算法的困难（在这⽅⾯已有⼀些进展，例如（Veness等⼈，2011年），但可以说现代AI的发展主要不是由通⽤AI理论驱动的）。另⼀个问题是AIXI代理本⾝不在环境类中（因为AIXI是不可计算的，其实现不属于可计算环境的假设类），这意味着AIXI不能将⾃⼰视为“嵌⼊”在环境中，也不能考虑环境中的其他（不可计算的）AIXI，这个问题可能产⽣的影响超出了理论上的⿇烦（和收集数据，并基于这些数据元训练⼀个摊销的近似通⽤预测器或代理）。最近的教科书Hutter等⼈(2024)对通⽤⼈⼯智能、开放问题和有前途的最新发展进⾏了全⾯深⼊的探讨。弥合这种理想的数学框架与经验深度学习之间的差距仍然是⼀个悬⽽未决的问题，在实际ASI建成之前，理论基础可能尚未完全统⼀。

utton,201P）：如果搜索是智能的核⼼（学习可以概念化为通过模型或假设空间的搜索，⽽规划FromFromAGItoregimeChinchiiia资源共同扩展来实现（Hoffmann等⼈，2022；期发⽣（Viiiaiobos等⼈，2024）。虽然最近的努⼒通过过滤和去重，在包含三万亿个token的ASI的跨越很可能需要突破⼈类⽣成数据的限制，即使考虑到⾮⽂本模态可能提供的数据储备。虽否会持续存在于AGI级别的模型中，这些模型可能会通过⾼保真模拟、搜索增强蒸馏和交互式环境⽣成⾼质量数据。同时，稀疏混合专家（sparseMixture-of-Experts）等架构创新提供了⼀个等⼈；Wei，2022）。抽象地说，扩展可能适⽤于某些问题类别，但对其他类别则⽆效（例如，。另⼀⽅⾯，考虑⼤规模运⾏⼈类⽔平的AGI系统：数百万或数⼗亿个实例，每个实例由于更多的计算和更⾼的计算效率⽽运⾏速度快⼏个数量级。很难争论这样的⻜跃不会构成从AGI到ASI的阶跃变化，尽管每个单独的AGI系统都可能处于⼈类⽔平。所以也许这条路径的核⼼问题不是AI（通过最⼩化预FromFromAGIto(memeticRSI):FromFromAGItoFromFromAGIto同的表征状态和动机状态（ListandPettit,代研究机构可以处理任何单⼀博学者都⽆法处理的跨学科挑战⼀样（Frankiin,2023;以被看作是“⼈⼯”智能的形式（Danzig,2022）。体协调产⽣（MontesandGoertzei,201P;fiaiiam,2025;Zhugeetai., 造⼀种模块化超级智能，能够在巨⼤规模上进⾏并⾏、异构的推理（GibsonandSokoiov,2025;

通过AI部署提⾼经济回报。通过AI研究提⾼效率（计算、能源、数据

即使⽐AGI能⼒较弱的AI

(Gerstgrasser2024;Singh2023;Yuan2024)。特别是当有数百万甚(2023)；Johanson(2022)；Leibo(201Pa))。例如(Liu等⼈,2025)）是另外两个数据获取来源，它们可以通过更多的计算能⼒快速扩展。更⼤(Park2023;Vezh(Bauer2023)，其中通⽤智能体是通过程序化⽣成⼀个⾮常⼤的多智能体任AGIASI（之前提到的途径之⼀），定量增⻓模型，并讨论在哪些因素下它会预测由于⾃动化AI研究⽽导致的爆炸性增⻓。WhitfiiiFromFromAGIto故意放缓、监管与治理，以及社会反弹先进AI对社会的影响⽬前尚不明确，但很可能⾮常重⼤。荣和福祉（有关深⼊分析，请参阅Hutter,202G）。FromFromAGIto定量计算扩展⾜以从AGI达到ASI吗？这⾥的问题是，为⼀个AGI级别的系统提供越来越多的（有效）计算是否⾜以达到ASI。如果将智能表述为搜索，即预测是通过假设空间进⾏搜索，规划是通过策略空间进⾏搜索，那么⼀个合适的开放式搜索过程将在更多计算的情况下带来越来越好的通⽤性能。同样的论点也适⽤于基于鸽尾法的AIXI算是通往通⽤智能的道路。然⽽在实践中，简单的暴⼒搜索很快就会遇到资源限制，有效的搜索关键取决于归纳偏差和先验知识。例如，强⼤的象棋引擎确实使⽤了⼀些搜索，但这远⾮穷举搜索，后者在远低于最先进引擎的能⼒⽔平下就会变得成本过⾼。归纳偏差和先验知识通过引⼊关于环境和任务的算法和统计结构的假设，有效地约束了模型的假设类。虽然这确实减少了搜索空间的⼤⼩并提⾼了学习的数据效率，但它通常是以引⼊⼀些基本限制为代价的，这些限制涉及最⼤性能（在FromFromAGItoFromFromAGIto洛莫夫归纳法）中得到了充分研究，通过柯尔莫哥洛夫的结构函数（VereshchaginVitányi,20到AGI和ASI）继承了关于⼀般有损压缩性能的这⼀不可预测性结果。创意也很漂亮。[...]这真是⼀步意义⾮凡的棋。”沿规模系统的实际保证仍然是⼀项开放的挑战（Hubingeretai.,2024;Ngoetai.,2024），⽽可扩展的对⻬技术，如宪法式AI（Baietai.,2022）、弱到强泛化（Burnsetai.,2023）取可解释特征的字典学习（Brickenetai.,2023），旨在提供对这些模型内部表⽰的可⻅性，以促框架（Luetai.,2024）通常被认为提出了“较少智能体”甚⾄⾮智能体系统，旨在解释观察结果Farquhar，2025）。尽管这些⾮（标准）能动性的提议，减少⼈⼯监督的经济和实践压⼒仍然是推动⾃主性的重要驱动⼒。因此，虽然AI可能不需要严格的能动性表述就能实现超⼈类性能，AI且impactfui的技术。GDP本报告的⽬的是勾勒出后AGI世界中AI进步的各种可能性。为此，我们描述了ASI及其属性，并列出了从AGI到ASI(数据墙)(资源需求)更多的计算何时能带来更⾼的智能？仅适⽤于某些特定的问题类别，还是普多智能体基准测试，例如零和游戏中的竞争（例如，这是如何FromFromAGItoFromFromAGItoAI安全、对⻬与社会⽂化。为保持本报告的范围清晰，我们假设即使在后AGI世界中，AI等⼈AIAI（⼩）问题AIAI（稳健地）AI研究并预测AI7.2.结论后AGIFromFromAGIto⽂，没有它们，这份报告就不会有如此⼴度和深度。我们要感谢StephHughes-Fitt、Aiexandra、MyriamKhan和KristenMorea，特别要感谢Nenadfiomaev和SebKrier审阅了草稿并提供D.AcemogiuP.RestrepoA.K.Agrawai、E.Brynjoifsson和A.Korinek编。《变⾰性⼈⼯智能经济学》。NBERM.安德柳恩格,J.巴恩哈特,A.科⾥内克,J.梁恩,C.奥基夫,J.惠特尔斯通,S.阿⽂,M.J.布洛克,D.卡斯-⻉格斯,B.张,fi.柯林斯,fi.菲斯特,G.哈德菲尔德,A.海耶斯,L.何,S.胡克,E.茨,N.科尔特,J.许特,Y.沙维特,D.西达尔思,R.特拉格,和K.M.安德⾥乔维茨,M.德尼尔,S.⼽⻨斯,M.W.霍夫曼,D.普弗,fi.绍尔,B.希林福德,和N.德弗雷塔斯.通过梯度下降学习如何学习.在《神经信息处理系统进展》第2P卷,201G年.S.X.arXivS.A.N.⼈⼯智能.⼼灵与机器,第22卷(4期):2PP‒324,2012年.doi:10.1007/s11023-012-P282-L.2024https://situationai-Y.⽩,S.卡达⽡思,S.孔杜,A.阿斯克尔,J.克尼翁,A.琼斯,A.陈,A.⾼迪,A.C.McKinnon,C.Chen,C.Oisson,C.Oiah,D.Hernandez,D.Drain,D.Ganguii,D.Li,E.firan-Johnson,E.Perez,J.Kerr,J.Mueiier,J.Ladish,J.Landau,K.Ndousse,K.Lukosuite,L.M.Seiiitto,N.Eihage,N.Schiefer,N.Mercado,N.DasSarma,R.Lasenby,R.Larson,S.S.Johnston,S.Kravec,S.E.Showk,S.Fort,fi.Lanham,fi.fieiieen-Lawton,fi.Coneriy,fi.Henighan,fi.Hume,S.R.Bowman,Z.Hatfieid-Dodds,B.Mann,D.Amodei,N.Joseph,S.McCandiish,fi.Brown,andJ.Kapian.宪法⼈⼯智能：来⾃AI反馈的⽆害性.arXiv预印本arXiv:2212.08073,2022.FromFromAGItoJ.Bauer,K.Baumii,F.Behbahani,A.Bhoopchand,N.Bradiey-Schmieg,M.Chang,N.Ciay,A.V.Dasagi,L.Gonzaiez,etai.Human-timescaieadaptationinanopen-endedtaskspace.InInternationaiConferenceonMachineLearning.PMLR,2023.Y.Bengio,S.Mindermann,D.Privitera,fi.Besirogiu,R.Bommasani,S.Casper,Y.Choi,D.H.Heidari,L.Khaiatbari,S.Longpre,V.Mavroudis,M.Mazeika,K.Y.Ng,C.fi.Okoio,D.Raji,fi.Skeadas,F.firamèr,B.Adekanmbi,P.Christiano,D.Dairympie,fi.G.Dietterich,E.P.Fung,P.-O.Gourinchas,N.Jennings,A.Krause,P.Liang,fi.Ludermir,V.Marda,H.J.A.McDermid,A.Narayanan,A.Neison,A.Oh,G.Ramchurn,S.Russeii,M.Schaake,D.A.Soto,L.fiiedrich,G.Varoquaux,A.Yao,andY.-Ǫ.Zhang.Internationaiscientificreportonthesafetyofadvancedai(interimreport),2024.URL/abs/2412.05282.Y.Bengio,M.Cohen,D.Fornasiere,J.Ghosn,P.Greiner,M.MacDermott,S.Mindermann,A.Ober-man,J.Richardson,O.Richardson,M.-A.Rondeau,P.-L.St-Charies,andD.Wiiiiams-King.Su-Y.Bengio,M.K.Cohen,N.Maikin,M.MacDermott,D.Fornasiere,P.Greiner,andY.KaddarY.Bengio,S.Mindermann,D.Privitera,fi.Besirogiu,R.Bommasani,S.Casper,Y.Choi,P.B.Garfinkei,D.Goidfarb,H.Heidari,A.Ho,S.Kapoor,L.Khaiatbari,S.Longpre,S.V.Mavroudis,M.Mazeika,J.Michaei,J.Newman,K.Y.Ng,C.fi.Okoio,D.Raji,G.Sastry,E.fi.Skeadas,fi.South,E.Strubeii,F.firamèr,L.Veiasco,N.Wheeier,D.Acemogiu,O.D.Dairympie,fi.G.Dietterich,E.W.Feiten,P.Fung,P.-O.Gourinchas,F.Heintz,G.N.Jennings,A.Krause,S.Leavy,P.Liang,fi.Ludermir,V.Marda,H.Margetts,J.J.Munga,A.Narayanan,A.Neison,C.Neppei,A.Oh,G.Ramchurn,S.Russeii,M.B.Schöikopf,D.Song,A.Soto,L.fiiedrich,G.Varoquaux,A.Yao,Y.-Ǫ.Zhang,F.M.Aiserkai,O.Ajaia,G.Avrin,C.Busch,A.C.P.deLeonFerreiradeCarvaiho,B.Fox,A.S.A.H.Hatip,J.Heikkiiä,G.Joiiy,Z.Katzir,H.Kitano,A.Krüger,C.Johnson,S.M.Khan,K.Lee,D.V.Ligot,O.Moichanovskyi,A.Monti,N.Mwamanzi,M.Nemer,N.Oiiver,J.R.L.,B.Ravindran,R.P.Rivera,H.Riza,C.Rugege,C.Seoighe,J.Sheehan,H.Sheikh,D.Wong,Y.Zeng.，2025c。URLB.Bischi,M.Binder,M.Lang,fi.Pieiok,J.Richter,S.Coors,J.fihomas,fi.Uiimann,M.Becker,A.-Bouiesteix,D.Deng,andM.Lindauer.超参数优化：基础、算法、最佳实践和开放挑战。WIREs数据挖掘与知识发现，13(2):e1484,2023.N.C.I.J.·M.国S.博尔若、A.⻔施、J.霍夫曼、fi.蔡、E.拉瑟福德、K.⽶利坎、G.B.J.-B.B.A.fi.，A.，J.巴特森，B.，A.杰明，fi.，N.特纳，C.，C.阿斯克尔，R.拉森⽐，Y.吴，S.克拉⻙克，N.希弗，fi.⻢克斯⻙尔，N.约瑟夫，Z.哈特菲尔德-多兹，塔姆⾦，K.阮，B.⻨克莱恩，J.E.伯克，fi.休谟，S.卡特，fi.亨尼根，以及C.奥拉赫。迈向单义性：⽤字典学习分解语⾔模型。firansformerCircuits论坛，2023年。https://transffi.布鲁克斯，B.⽪布尔斯，C.霍姆斯，W.德⽪尤，Y.郭，L.京，D.施努尔，J.泰勒，fi.卢曼，E.C.，R.A.，2024年。J.，M.D.，A.，J.，Y.，E.，M.，A.R.Steigerwaid,C.Apps际C.Burns,P.Izmaiiov,J.H.Kirchner,B.Baker,L.Gao,L.Aschenbrenner,Y.Chen,A.Ecoffet,M.J.Leike,I.SutskeverJ.Wu。《弱到强泛化：通过弱监督激发强⼤能⼒》，2023年。URLhM.Burtsev,Y.-H.He,E.Sobko,A.Bhattacharyafi.Graepei在数学和物理学中。《⾃然》期刊，202G年。doi:10.1038/d4158G-02G-01820-1。URL/articies/d4158G-02G-01820-1E.Cabaiiero,K.Gupta,I.Rish和D.Krueger。《打破神经⽹络缩放定律》。在第⼗⼀届国际E.Catt,J.Grau-Moya,M.Hutter,M.Aitchison,fi.Genewein,G.Deiétang,K.LiJ.Veness。《⾃我-预测性通⽤⼈⼯智能。在A.Oh,fi.Naumann,A.Gioberson,K.Saenko,M.Hardt和S.Levine中，A.，R.，J.，H.M.AI研发⾃动化》，202G⽹址M.Cohen、B.Veiiambi和M.Hutter。《渐近不雄⼼勃勃的⼈⼯通⽤智能》技术与⼈价值观，40(G):1047‒107G，2015。doi:R.Danzig.机器、官僚机构和市场作为⼈⼯智能。安全与新兴技术中⼼，2022年。URLrity，2022年。URLmachines-bureaucracies-and-markets-as-artificiai-J.Daniëisson,R.MacraeA.Uthemann.fi.Davidson,R.Hadshar和W.MacAskiii.三种智能爆炸类型，2025年。URLfi.Davidson,B.Haiperin,fi.Houiden和A.Korinek.⾃动化AI研究何时产⽣爆炸式增⻓？创新⽹络中的L.DeMouraN.Bjørner.Z3：⼀种⾼效的SMfi求解器。在⼯具与fi.丁,fi.陈,H.朱,J.蒋,Y.钟,J.周,G.王,Z.朱,I.扎尔科夫,和L.梁.K.E.N.Y.A.M.S.D.Y.M.Y.A.W.O.B.L.M.Z.fi.Y.E.K.M.K.K.特恩,fi.杜克,L.迪克森,K.张,Ǫ.V.勒,Y.吴,等.GLaM:使⽤专家混合模型⾼效扩展语⾔模型.在第3P届国际机器学习会议论⽂集,⻚码5547‒55GP.PMLR,2022.URLhttps://proceedings.mir.press/E.A.杜埃涅斯-古兹曼,S.萨德丁,J.X.王,K.R.⻨基,和J.Z.⼈⼯智能。⾃然机器智能，5(11):1181‒1188，2023。⽹址E.Erdii和fi.Besirogiu。AI⾃动化的爆炸式增⻓：论点的综述，2023E.Erdii,A.Potiogea,fi.Besirogiu,E.Roidan,A.Ho,J.Seviiia,M.Barnett,M.Vrzia,andR.D.Ethandfi. Wiiiair&dautomationcauseasoftware /research/wiii-ai-r-B.Faiienstein、J.fiayior和P.F.Christiano。《反思式神谕：经典博弈论的基础》。S.Farquhar、V.Varma、D.Lindner、D.Eison、C.Bidduiph、I.Goodfeiiow和R.Shah。《W.Fedus、B.ZophN.Shazeer。《Switchfiransformers：扩展⾄万亿参数模型的⽅法与L.Gao、S.Biderman、S.Biack、L.Goiding、fi.Hoppe、C.Foster、J.Phang、H.He、A.fihite、N.NabeshimaURLL.Gao,A.Madaan,S.Zhou,U.Aion,P.Liu,Y.Yang,J.Caiian,andG.Neubig.Pai:程序辅助语⾔模S.Garrabrant,fi.Benson-fiiisen,A.Critch,N.Soares,andJ.fiayior.逻辑归纳。abs/1G0P.03543,201G年。URLfi.Genewein,G.Deietang,A.Ruoss,L.K.Weniiang,E.Catt,V.Dutordoir,J.Grau-Moya,L.M.Hutter,andJ.Veness.ingsofthe40thInternationaiConferenceonMachineLearning,ProceedingsofMachine研究。PMLR,2023fi.Genewein,J.Grau-Moya,L.K.Weniiang,L.Orseau,andM.Hutter.预训练神经⽹络。熵,28(G),202G年。ISSN10PP-4300。doi:10.33P0/e280G05PGM.Gerstgrasser,R.Schaeffer,A.Dey,R.Rafaiiov,H.Sieight,J.Hughes,fi.Korbak,R.D.Pai,A.Gromov,D.A.Roberts,D.Yang,D.L.Donoho,andS.Koyejo.模型崩溃是否不可避免？通过积累真实和合成数据打破递归的诅咒。arXiv预印本arXiv:2404.01413,2024.A.L.GibsonD.Sokoiov.在181‒1P1Springer,2025.E.Giazer,E.Erdii,fi.Besirogiu,D.Chicharro,E.Chen,A.Gunning,C.F.Oisson,J.-S.A.Ho,E.deOiiveiraSantos,O.Järviniemi,M.Barnett,R.Sandier,M.Vrzaia,J.Seviiia,Ǫ.E.Pratt,L.Levine,G.Barkiey,N.Stewart,B.Grechuk,fi.Grechuk,S.V.Enugandia,andM.Frontiermath：AIarXivarXiv:2411.04872,第G卷，第31-88⻚。学术出版社，1PG5年。doi:10.101G/S00G5-2458(08)G0418-0.K.Grace,J.F.Sandkühier,H.Stewart,B.Weinstein-Raun,S.fihomas,Z.Stein-Periman,J.J.Brauner,andR.C.Korzekwa.数千名AI作者关于⼈⼯智能的未来.⼈⼯智能研究杂志,84,025.doi:J.Grau-Moya,fi.Genewein,M.Hutter,L.Orseau,G.Deiétang,E.Catt,A.Ruoss,L.K.C.Mattern,M.Aitchison,andJ.Veness.A.Graves,G.Wayne,andI.Daniheika.神经图灵机.arXiv预印本arXiv:1410.5401,A.Guandfi.Dao.Mamba:2024.URLA.Gu,K.Goei,andC.Ré.10届H.Hadan,R.H.Mogavi,L.Zhang-Kennedy,andL.E.Nacke.当AI失败时谁负责？D.Hafner,fi.Liiiicrap,J.Ba,andM.Norouzi.梦想控制：通过潜在想象学习⾏为D.Hassabis.DemisHassabis播客节⽬，2025。URLhttps://www.possibie.fm/podcasts/demis/。ReidHoffmanAriaFinger在Possibie播客上的采访（同时发布在Pivot上）D.Hendrycks,E.Schmidt和A.Wang.超智能策略：专家版.fi.Henighan,J.Kapian,M.Katz,M.Chen,C.Hesse,J.Jackson,H.Jun,fi.B.Brown,P.Dhariwai,S.C.Haiiacy,B.Mann,A.Radford,A.Ramesh,N.Ryder,D.M.Ziegier,J.Schuiman,D.Amodei,和S.McCandiish.⾃回归⽣成建模的缩放定律,2020.URLhttps:D.Hernandez和fi.B.Brown.测量神经⽹络的算法效率.A.Ho,fi.Besirogiu,E.Erdii,D.Owen,R.Rahman,Z.C.Guo,D.Atkinson,N.fihompson,和J.Seviiia.语⾔模型的算法进展.在AdvancesinNeuraiInformationProcessingSystems,A.Ho，J.-S.Denain，D.Atanasov，S.AibanieR.Shah。《AI基准测试的罗塞塔⽯碑》，2025URLR.HoffmanG.Beato。《超级机构：我们的AI未来可能⾛向何⽅》。作者权益，J.Hoffmann,S.Borgeaud,A.Mensch,E.Buchatskaya,fi.Cai,E.Rutherford,D.deLasCasas,L.Hendricks,J.Weibi,A.Ciark,fi.Hennigan,E.Noiand,K.Miiiican,G.vandenDriessche,B.oc,A.Guy,S.Osindero,K.Simonyan,E.Eisen,J.W.Rae,O.Vinyais,andL.Sifre.《训练计算最优E.Hubinger,C.Denison,J.Mu,M.Lambert,M.fiong,M.MacDiarmid,fi.Lanham,D.M.Ziegier,fi.Maxweii,N.Cheng,A.Jermyn,A.Askeii,A.Radhakrishnan,C.Anii,D.Duvenaud,D.F.Barez,J.Ciark,K.Ndousse,K.Sachan,M.Seiiitto,M.Sharma,N.DasSarma,R.Grosse,S.Y.Bai,Z.Witten,M.Favaro,J.Brauner,H.Karnofsky,P.Christiano,S.R.Bowman,L.Graham,.Kapian,S.Mindermann,R.Greenbiatt,B.Shiegeris,N.Schiefer,andE.Perez。休眠特⼯：通过安全培训持续存在的欺骗性⼤语⾔模型，2024年。URL/M.Hutter,D.Ǫuarei,andE.Catt.《通⽤⼈⼯智能导论》。Chapman&2024.URLM.Janner,Y.Du,J.fienenbaum,andS.Levine.⽤扩散进⾏规划以实现灵活的⾏为合成。C.E.Jimenez,J.Yang,A.Wettig,S.Yao,K.Pei,O.Press,andK.R.Narasimhan.SWE-bench:语⾔模型能否解决真实的GitHub问题？在第⼗⼆届学习表⽰国际会议（ICLR2024）上，2024年。URLM.B.Johanson,E.Hughes,F.fiimbers,andJ.Z.Leibo.多智能体强化学习中涌现的交易⾏为，2022年。URL强化学习，2022.URLJ.JumŽper,R.Evans,A.Pritzei,fi.Green,M.Figurnov,O.Ronneberger,K.fiunyasuvunakooi,R.Bates,A.ídek,A.Potapenko,etai.AiphaFoid实现⾼精度蛋⽩质结构预测。⾃然杂志，5PG(7873):583‒58P,2021.J.Kapian,S.McCandiish,fi.Henighan,fi.B.Brown,B.Chess,R.Chiid,S.Gray,A.Radford,J.andD.Amodei.，2020年。URLD.Kieia,M.Bartoio,Y.Nie,D.Kaushik,A.Geiger,Z.Wu,B.Vidgen,G.Prasad,A.Singh,P.Ring-shia,Z.Ma,fi.fihrush,S.Riedei,Z.Waseem,P.Stenetorp,R.Jia,M.Bansai,C.PottsA.Wiiiiams。《Dynabench：重新思考⾃然语⾔处理中的基准测试》。在《北美计算语⾔学协FromFromAGItoD.Kieia,fi.fihrush,K.Ethayarajh,andA.Singh.绘制⼈⼯智能进展,2023.URLY.KimandJ.Lee.⽆模型通⽤⼈⼯智能,202G.URLC.D.Kirk-Gianniniandfi.Davidson.重启奇点,2025.URLorg/rec/KIRRfiS-2.J.Kirkpatrick,R.Pascanu,N.Rabinowitz,J.Veness,G.Desjardins,A.A.Rusu,K.Miian,J.Ǫuan,fi.Ramaiho,A.Grabska-Barwinska,etai.克服神经⽹络中的灾难性遗忘美国国家科学院院刊,114(13):3521‒352G,H.Kissinger,C.Mundie,E.Schmidt,E.Runde,andN.Ferguson.创世纪:⼈⼯智能、希望,Littie,BrownandCompany,2024.D.Kokotajio,S.Aiexander,fi.Larsen,E.Lifiand和R.Dean.AI2027,2025.URLKoichinsky和D.H.Woipert.图灵机的热⼒学成本.PhysicaiReviewResearch,2A.Krizhevsky,I.Sutskever,和G.E.Hinton.使⽤深度卷积神经⽹络的ImageNetfi.S.Kuhn.1PG2J.Kuiveit,R.Dougias,N.Ammann,D.fiuran,D.Krueger,和D.Duvenaud.ISBNP78-0G70033843。fi.Kwa,B.West,J.Becker,A.Deng,K.Garcia,M.Hasin,S.Jawhar,M.Kinniment,N.Rush,S.V.R.Bioom,fi.Broadiey,H.Du,B.Goodrich,N.Jurkovic,L.H.Miies,S.Nix,fi.Lin,N.Parikh,D.Rein,L.J.K.Sato,H.Wijk,D.M.Ziegier,E.Barnes,andL.Chan。《测量AIN.D.AiienLane出版社，伦敦，S.LeggM.Hutter。《通⽤智能：机器智能的定义》。MindsandS.LeggM.Hutter。《智能定义集》。《⼈⼯智能与应⽤前沿》J.Z.Leibo、E.Hughes、M.Lanctotfi.Graepei。《⾃动课程与创新的出现》来⾃社会互动：《多智能体智能研究宣⾔》，201Pa。URLhttps:FromFromAGItoZ.Leibo,J.Péroiat,E.Hughes,S.Wheeiwright,A.H.Marbiestone,E.A.Duéñez-Guzmán,P.hag,I.Dunning,andfi.Graepei.18届国际⾃主代理和多智能体系统Lerchner.⽹址P.Lewis,E.Perez,A.Piktus,F.Petroni,V.Karpukhin,N.Goyai,H.Küttier,M.Lewis,W.-t.Yih,fi.Rocktäschei,S.Riedei,andD.Kieia.⽤于知识密集型NLP任务的检索增强⽣成.在神经信C.ListandP.Pettit.刘,L.格特勒,S.于,Z.刘,P.⻬,D.巴尔塞尔斯,M.刘,C.谭,W.施,M.林,W.S.李,和N.雅克。SPIRM.刘,fi.-D.埃内,R.柯⽐,C.郑,N.平克尼,R.梁,J.阿尔本,H.安南德,S.I.巴拉克塔罗格鲁,B.巴斯卡兰,B.卡坦扎罗,A.乔杜⾥,S.克莱,B.达利,L.邓,P.潘德,S.多迪,S.哈勒佩特,E.希尔,J.胡,S.贾因,A.⾦达尔,B.卡伊拉尼,G.科凯,K.X.李,C.林德,H.刘,S.奥伯曼,S.奥⻢尔,G.帕桑迪,S.普拉蒂,J.赖曼,A.萨卡尔,Z.H.孙,P.P.苏塔尔,V.特杰,W.特纳,K.徐,和H.任。ChipNeMo： 卢,C.卢,R.fi.兰格,J.福斯特,J.克卢恩,和D.哈。AI科学家：迈向全⾃动化的开放式的科学发现，2024URL/abs/2408.0G2P2M.M.Maas.AIW.MacAskiiiF.Moorhouse.，2025URLM.MacInnes,B.Garfinkei和A.Dafoe.⽆政府状态作为建筑师：竞争压⼒、技术,10.10P3/isq/sqae111URLA.Meuiemans,R.Nasser,M.Wołczyk,M.A.Weis,S.Kobayashi,B.Richards,G.Lajoie,A.M.Hutter,J.Manyika,R.A.Saurous,J.Sacramento,和B.A.yArcas。嵌⼊式通⽤预测智能：多智能体学习的连贯框架，2025。URLhttps://Mirhoseini,A.Goidie,M.Yazgan,J.W.Jiang,E.Songhori,S.Wang,Y.-J.Lee,E.Johnson,O.Nazi,J.Pak,A.fiong,K.Srinivasa,W.Hang,E.fiuncer,A.Babu,Ǫ.V.Le,J.Laudon,R.R.J.5P4(78G2):207‒212,2021.L.⽶切尔纳,A.尤,B.张,M.布尔登克斯,fi.纳多尔斯基,A.苏洛⽡⾥,E.C.兰斯内斯,D.L.S.纳拉亚南,N.伊⽂斯,S.雷迪,M.福伊亚尼,A.卡⻢尔,L.P.施赖弗,F.曹,A.fi.⽡西,J.M.E.梅维尔-格林,M.卡尔达斯,A.布,K.F.罗伯茨,S.扎⼽拉克,fi.C.奥尔,M.E.奥尔,K.J.兹⻙兹达⾥克,Kosmos:AIarXivarXiv:2511.02824,URLG.A.B..141:354‒358,201P.M.R.莫⾥斯,J.索尔-迪克斯坦,N.菲德尔,fi.⽡肯廷,A.达福,A.福斯特,C.法拉⻉,和S.M.R.D.H.A.H.R.I.S.预印本.pdfR.L.S./forumẒid=fh8EYKFKnsN.Nisan,fi.Roughgarden,É.fiardos和V.V.Vazirani.算法博弈论.剑桥⼤学出版社,A.Novikov,N.V,M.Eisenberger,E.Dupont,P.-S.⻩,A.Z.Wagner,S.Shirobokov,B.F.J.Ruiz,A.Mehrabian等.Aiphaevoive:⽤于科学和算法发现的编码代理.arXiv预印本arXiv:250G.13131,2025.S.M.Omohundro.2008AGI483-4P2IOSPress,2008.fi.Ord.悬崖边：存在⻛险与⼈类的未来.BioomsburyPubiishing,国际标准连续出版物编号0304-3P75。数字对象标识符：/10.101G/j.tcs.2013.0P.025P.A.D.A.》4GP(2153):20120G83，2013P.A.，M.，G.，fi.，J.，J.，J.，J.B.⽪奥，J.佩罗拉特，fi.埃弗⾥特，C.塔莱克，E.巴⾥索托，fi.埃雷兹，Y.陈，S.⾥德，M.赫特，N.德弗雷塔斯，以及S.莱格。《动摇基础：交互和控制序列模型中的错觉》，年。⽹址FromFromAGItoD.Pagiieri,B.Cupiał,S.Coward,U.Piterbarg,M.Woiczyk,A.Khan,E.Pignateiii,Ł.Kuciński,L.R.Fergus,J.N.Foerster,J.Parker-Hoider,和fi.Rocktäschei。Bairog：J.S.Park,J.O’Brien,C.J.Cai,M.R.Morris,P.Liang,和M.S.Bernstein界⾯软件与技术（UISfi’23），第1-22⻚，2023年。doi:URL///p/ai-E.Reai、C.Liang、D.So和Ǫ.Le。《AutoML-Zero：从零开始演化机器学习算法》在《第37届国际机器学习会议（ICML2020）论⽂集》中，2020年。D.Rein、B.L.Hou、A.C.Stickiand、J.Petty、R.Y.Pang、J.Dirani、J.Michaei和S.R.Bowman。《预印本RingL.Orseau。《妄想、⽣存与智能体》。在《通⽤⼈⼯智能：B.Romera-Paredes、M.Barekatain、A.Novikov、M.Baiog、M.P.Kumar、E.Dupont、F.J.R.Ruiz、J.Eiienberg、P.Wang、O.Fawzi、P.Kohii和A.Fawzi。《⼤型语⾔模型程序搜索中的数学发现》。Nat.，G25(7PP5)：4G8-475，2024年。doi:10.1038/S4158G-023-0GP24-G。⽹址/10.1038/s4158G-023-0GP24-GM.Roser、H.Ritchie和E.Mathieu。《什么是摩尔定律？》。OurWoridinData，2023。A.Ruoss、F.Pardo、H.Chan、B.Li、V.Mnih和fi.Genewein。《Lmact：R.Schaeffer、B.MirandaS.Koyejo。《⼤型语⾔模型的涌现能⼒是海市蜃楼吗？》在《神经信息处理系统进展》第3G卷（NeurIPS2023），2023年。fi.Schick、J.Dwivedi-Yu、R.Dessì、R.Raiieanu、M.Lomeii、E.Hambro、L.Zettiemoyer、N.和fi.Sciaiom。《fiooiformer：语⾔模型可以⾃学使⽤⼯具》。神经信息处理系统进展，3G:G853P‒G8551，2023年。J.Schmidhuber.算J.Schmidhuber.FromFromAGItoJ.Schrittwieser,I.Antonogiou,fi.Hubert,K.Simonyan,L.Sifre,S.Schmitt,A.Guez,E.D.Hassabis,fi.Graepei,fi.P.Liiiicrap,andD.Siiver.J.Schuett,E.Choi,K.Sugimoto,B.Hung,R.firager,andK.Perset.⾼级⼈⼯智能系统阈值调查.技术 前沿AI J.Seviiia,L.Heim,A.Ho,fi.Besirogiu,M.Hobbhahn和P.Viiiaiobos。《机器学习三个时代的计算趋05P24I.Shumaiiov,Z.Shumayiov,Y.Zhao,N.Papernot,R.Anderson和Y.Gai。《当AI模型崩溃时D.Siiver,A.Huang,C.J.Maddison,A.Guez,L.Sifre,G.vandenDriessche,J.I.Antonogiou,V.Panneersheivam,M.Lanctot,S.Dieieman,D.Grewe,J.Nham,N.r,I.Sutskever,fi.Liiiicrap,M.Leach,K.Kavukcuogiu,fi.Graepei,andD.Hassabis.⽤深度神经⽹Siiver,J.Schrittwieser,K.Simonyan,I.Antonogiou,A.Huang,A.Guez,fi.Hubert,L.Baker,M.Boiton,Y.Chen,fi.Liiiicrap,H.Fan,L.Sifre,G.VanDenDriessche,fi.Graepei,andD.Hassabis/articies/nature24270H.A.Simon.Harper&Row,1PG5A.Singh,J.D.Co-Reyes,R.Agarwai,A.Anand,P.Patii,X.Garcia,P.J.Liu,J.Harrison,J.Lee,K.A.Parisi,A.Kumar,A.Aiemi,A.Rizkowsky,A.Nova,B.Adiam,B.Bohnet,G.Eisayed,H.I.Mordatch,I.Simpson,I.Gur,J.Snoek,J.Pennington,J.Hron,K.Keneaiy,K.Swersky,K.L.Cuip,L.Xiao,M.L.Biieschi,N.Constant,R.Novak,R.Liu,fi.Warkentin,Y.Ǫian,Y.Bansai,.Dyer,B.Neyshabur,J.Sohi-Dickstein,和N.Fiedei.超越⼈类数据：扩展⾃训练以解决语⾔模型的问题,2023.URL/abs/2312.0G585.N.Soares,B.Faiienstein,S.Armstrong,和E.Yudkowsky.可修正性.AAAI2015.URLL.Soidaini,R.Kinney,A.Bhagia,D.Schwenk,D.Atkinson,R.Authur,B.Bogin,K.Chandu,J.Y.Eiazar,V.Hofmann,A.H.Jha,S.Kumar,L.Lucy,X.Lyu,N.Lambert,I.Magnusson,J.Mor-rison,N.Muennighoff,A.Naik,C.Nam,M.E.Peters,A.Ravichander,K.Richardson,Z.E.Strubeii,N.Subramani,O.fiafjord,P.Waish,L.Zettiemoyer,N