Replit CEO Amjad Masad 谈到通用模型如何即时训练更小、更专注于特定领域的模型： “关于递归自我改进的讨论很多，但有一件事我觉得没有被广泛讨论，那就是模型训练它们的替代品。” “你可以把它想象成一个即时编译器。当你执行动态代码时，解释器意识到有优化的机会，并即时生成更优化的机器代码。” “你可以想象通用模型，比如你在使用 Operator 或 Astra 这些大型模型时，它们意识到用例是有限的，或者某个观察的代理意识到用例是有限的。” “通用代理有很多缺陷，但它们也更有可能带来危害，更有可能失控。” “所以这个模型会即时训练一个可能替代它的模型，但这个新模型更加专注于特定领域。因此，它更便宜，不容易受到提示注入的影响，对你来说也更安全，因为它的能力更有限。” “这几乎就像一个系统，在监控整个系统的同时，为特定用例训练机器学习模型。” @amasad