预训练和监督微调，给了模型直觉和推理的方式，但前沿的新结果，靠的是大规模的采样：训练时的强化学习，推理时的搜索和agent。在下面这个循环里，科学家挑选问题、定义正确、评判结果；AI则以人无法企及的规模去尝…...
