Prime Intellect的Will Brown：持续学习将变得像CI/CD一样常规
在LangChain举办的“学习循环”活动中，Prime Intellect的Will Brown提出持续学习正从科幻概念转向软件工程实践。他探讨了智能体工作流如何演变为生产软件、评估指标如何捕捉“氛围检查”，以及为何后训练方法（如SFT和在线RL）将成为日常开发的一部分。
Prime Intellect的Will Brown在LangChain于旧金山举办的“The Learning Loop”晚间活动上，发表了一场关于持续学习的演讲。Brown的核心观点是，持续学习即将变得“无聊”，但这是一种积极的转变：它正在成为应用于模型的开发生命周期。
根据节目描述，Brown追溯了智能体工作流如何从终端实验成长为生产软件。他讨论了为什么评估（evals）应该捕捉所谓的“氛围检查”（vibe check），并列举了他所采用的后训练方法，包括监督微调（SFT）、在线策略蒸馏（on-policy distillation）、上下文蒸馏（context distillation）以及在线强化学习（online RL）。他还特别提到了对直接跳跃到OPSD（On-Policy Self-Distillation）的怀疑态度。
此外，Brown还涉及了模型的构建与购买选择，引用量化金融领域运行多个专用模型的经验，并预测后训练过程将变得像持续集成/持续部署（CI/CD）一样常规。对于关注AI工程化落地的读者，这一视角提供了将抽象的学习概念转化为具体软件工程实践的参考框架。