<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>持续学习 on Sone Blog</title><link>https://s1.work/tags/%E6%8C%81%E7%BB%AD%E5%AD%A6%E4%B9%A0/</link><description>Recent content in 持续学习 on Sone Blog</description><generator>Hugo</generator><language>zh-CN</language><copyright>Copyright © 2024 Sone Blog</copyright><lastBuildDate>Mon, 25 May 2026 15:00:00 +0800</lastBuildDate><atom:link href="https://s1.work/tags/%E6%8C%81%E7%BB%AD%E5%AD%A6%E4%B9%A0/index.xml" rel="self" type="application/rss+xml"/><item><title>AI 干活的真问题: 第 100 次和第 1 次一模一样</title><link>https://s1.work/posts/reading-07-continual-learning-gap/</link><pubDate>Mon, 25 May 2026 15:00:00 +0800</pubDate><guid>https://s1.work/posts/reading-07-continual-learning-gap/</guid><description>&lt;p&gt;教一个学生吹萨克斯, 但规则很怪: 学生吹完一次就消失, 你只能给下一个学生留一张字条, 写上前一个错在哪。这是 Dwarkesh Patel 那篇《为什么我不认为 AGI 近在眼前》里最有名的类比, 用来解释我们现在&amp;quot;教&amp;quot;大模型干活的真实处境: 改再多的系统提示词, 承载不了肌肉记忆, 你拿到的永远是出厂水平。&lt;/p&gt;</description></item></channel></rss>