腾讯新闻《一线》刘雨点
11月16日，大模型公司月之暗面（Moonshot AI）发布新产品，一款以深度推理为核心功能的数学模型K0-math。该产品将于近日上线。
月之暗面Kimi创始人兼CEO杨植麟在现场介绍称，大模型发生了范式变化，过去是通过next token prediction，但预测下一个词有局限性，是一个静态的数据集，没办法探索更难的任务。接下来大模型的目标是通过reinforcement learning（强化学习）让AI具备思考的能力。“接下来还能持续scale，只是过程不一样。”他称。
杨植麟谈到，什么样的场景最适合让AI锻炼思考能力？他认为是数学场景，这也是前两个月OpenAI发布o1核心想要表达的要点。这样，模型可以自己成为一个体系，不需要和外界交互。同时，强化学习训练出来的模型对于每一步思考更细致，出现跳步比较少，可确保泛化能力。
怎么把强化学习更广泛的使用？把强化学习技术用在搜索场景里面。
他称，上线1年，截至目前，每月超过3600万人在使用Kimi。
据悉，除了深度推理，月之暗面也探索多模态，深度推理是提高思考能力，思考决定AI的上限；多模态提高交互能力，是必要条件。“思考的重要性远大于交互。”
另外，杨植麟在回复腾讯新闻《一线》的提问中称，去年说长文本是AGI登月的第一步，那么现在深度推理就是登月的第二步。
他认为，现在看，中美在大模型上的差距“是一个常数”。预训练scaling law遇到瓶颈，这对中国大模型团队有可能是一个好事。
对于出海，他称，现在先聚焦，再全球化，需要耐心一点。
