AI 编码智能体为何能靠廉价反馈自我改进

一篇 Hacker News 文章提出，代码领域之所以更容易让 AI 智能体自我改进，是因为代码拥有编译、测试、benchmark 回归等大量可重复的廉价反馈。作者把任何能对尝试反复打分的机制称为“Oracle”，并称代码因此比多数领域更接近国际象棋。 文章以 AlphaZero 为例：它在约 9 小时训练后以 155 胜 6 负击败 2016 TCEC 冠军版 Stockfish，说明超人类棋力并不需要人类棋谱作为训练材料。作者据此认为，编码智能体通过搜索代码库、试错、读取错误信息再重试来利用这类反馈。上述均为作者观点，并非已验证的普遍效果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。