蔡登提出部署后自进化与ICL规模化路径

上海交大人工智能学院长聘教轨副教授蔡登提出，继预训练、后训练、推理时计算之后的“第四条规模化轴”是Post-Deployment Scaling（部署后自进化），即让模型在真实工作中积累交互历史与反馈并写回参数。 蔡登称，外挂记忆存在“存不了”和“取不到”两个固有局限，真正的持续学习必须改写模型权重，事实靠检索、能力靠内化。他认为上下文学习（ICL）是终局的学习方式，关键在让其可规模化。 上述判断来自蔡登与DeepTech的一次对话，涉及AI记忆的终局形态及模型部署后自进化的技术路径。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。