76. 王小川返场谈o1与强化学习：摸到了一条从快思考走向慢思考的路

在过去两集节目中，关于OpenAI o1和AGI范式转移，我们先是推出了一集预言，之后推出了一集解析。在一个新范式来临的临界点上，我们希望听到更多来自业界不同视角的声音。哪怕这些声音是切片的、冲突的，我们都希望当做一种记忆和留存收集起来。

今天这期是王小川的返场。

王小川在创业开始就关注到强化学习并且很早开始公开谈论。他曾说，大模型代表快思考，它叫“学”；强化学习是慢思考，它叫“思”。“学”和“思”两个系统最终会走向融合。除了o1，王小川也聊了聊强化学习在一个特定场景——医疗——中的应用。

我们的播客节目在腾讯新闻首发，大家可以前往关注哦，这样可以第一时间获取节目信息和更多新闻资讯：）

01:30 大模型是“学而不思则罔”，强化学习是“思而不学则殆”

03:45 Sam Altman被宫斗下课与强化学习大神Noam Brown的动态

05:45 OpenAI o1是范式升级，摸到了一条从快思考走向慢思考的道路

（DIKW模型：Data – Information – Knowledge – Wisdom）

08:18 怎么看o1隐藏思维过程，有人破解o1思维链会被警告要封号？

09:04 从以语言为核心走向思维链，分两阶段运行增加泛化性

11:38 强化学习 vs 监督学习

16:39 除了数学和代码以外，医疗是可以用强化学习提升的领域

19:55 之前做强化学习实验没有CoT（思维链），今天更强调CoT了

22:16 复现o1 vs 复现GPT-4

26:30 未来几年将从强化学习范式走向写代码解决问题新范式

28:35 做“水涨船高的应用”，不只是“沿途下蛋的应用”

31:35 创业公司要走出大厂射程，在射程内你是没什么好活的