Long post argues scaled GPT-6 still falls short of AGI

What this article says

文章标题即主张：把 LLM 继续做大（以 GPT-6 为代表）并不会自动通向 AGI。作者认为，规模扩展带来的是能力曲线上的平滑提升，而不是质变——模型在基准和日常任务上越来越强，但缺少 AGI 所要求的东西，比如持续自主的目标设定、跨情境的稳定泛化、对自身知识边界的可靠感知，以及在陌生环境中边做边学的机制。因此把「更大」等同于「更通用」是一种范畴错误，会把资源继续押在收益递减的方向上。结论是：要谈 AGI，需要换问题——不是再堆多少算力，而是补上哪些结构性缺失，以及如何衡量它们。