The Second Half 与评测转向

核心主张（转述）

据英文博客，姚顺雨认为：大规模语言预训练 + scale + 推理/行动式 RL 已形成可泛化的 recipe，「上半场」式的方法发明边际下降；「下半场」应把重心移到 定义问题 与 重新设计评测，以缩小 benchmark 与真实效用（GDP、工作流）之间的裂缝 ^[1]。

RL 三要素与「先验」

访谈转述与博客呼应：早期 OpenAI 在 Gym、World of Bits 等环境上的 RL 路线受限于缺少语言预训练带来的先验；GPT 系列说明「缺的不是 clever RL，而是常识与语言知识」^{[2] [1]}。

对刷榜文化的批评

他在 2026 年语境的公开对谈中批评「为榜单而榜单」与真实可用性背离（原型 Part III）；本专题只保留可在访谈文字版定位的概括句，不把未核对的逐字批评写入 verified 区 ^[2]。