这一思路帮助团队避免在过快迭代的基础设施上投入过深，同时让产品能够「踩准节拍」地吃到每一波模型红利

AI探索指南

谷歌最近的模型进展太快了，而且全面开花。他们的开发者负责人访谈了 Deepmind CEO，里面详细介绍了：#ai创造营# -Genie 3 世界模型的信息 -通往 AGI 的路径 - 产品迭代方法 - 模型评估策略干货挺多的，我总结了一下：迈向 AGI 的路径拆分为模型、评测、工具三个相互强化的支点：模型：在基础网络中引入显式「思考」与「世界模型」，通过多模态互补、规划搜索和自监督，对感知与推理进行一体化表征。评测：从静态数据集转向动态、自适应、对抗性环境，让基准能随能力提升而自动升级难…

这一思路帮助团队避免在过快迭代的基础设施上投入过深，同时让产品能够「踩准节拍」地吃到每一波模型红利。

评测即训练：

自对抗曲线的正反馈，Game Arena 体现了「让评测成为驱动器」的策略：

把模型置于互博环境，通过 Elo 或胜率即时量化实力；
任务难度随着排名自动提高，模型若要保级必须进化；
研究者可观察「拐点」位置以定位能力瓶颈，再定向优化。

如此一来，评测与训练不再割裂；模型越强，环境越苛刻，形成螺旋式上升。这不仅减轻了人工出题负担，也让能力边界持续被刷新。