从蛋白质模型到智能体编程：5 篇论文看 AI 研究正在走向哪里 (opens in new tab)

📌 One-Sentence Summary 这场 Y Combinator 技术 meetup 盘点了 5 个正在成形的 AI 研究方向：蛋白质 scaling laws、自引导 selfplay、流式 RAG、基于 Lean 的验证，以及智能体式软件工程。 📝 Summary 这场多讲者技术 meetup 高密度地呈现了几条前沿 AI 研究主线。Francois 先从人类生成数据的边界、单位样本智能和单位能耗智能切入，提出仅依赖人类解法可能限制开放式智能的发展。Yas Beg 随后介绍蛋白质语言模型 ESMC 如何检验 bitter lesson 和神经 scaling laws 是否能迁移到生物学，并展示单序列结构预测如何逼近依赖大量 MSA 的系统。Luke 讲解 Self-Guided Selfplay，用引导角色让合成 RL 问题保持扎实而有用。Arnab Matei 讨论面向实时语音智能体的流式 RAG，说明检索可以在用户仍在说话时提前启动。Robert George 介绍 Lean 和 torch-lean，展示形式化验证神经网络与 GPU kernel 的路径。...