Tech Analysis · Continual Reinforcement Learning

Richard Sutton 创办 Oak Lab：运行时经验、Big World 与深度学习底座之争

一条创业公告背后，是 Sutton、John Carmack、David Silver 三条“经验时代”路线开始分叉：争论的核心不是要不要强化学习，而是智能能否继续依赖离线批训练、数据回放和部署后冻结，以及一个终身运行的智能体究竟该怎样分配有限的算力、记忆与信用。

原帖：2026-07-13 主题：运行时学习 证据：官方材料 + 论文交叉核验 结论：研究纲领已成形，完整系统尚未证实

核心判断：Oak 不是“放弃深度学习”，而是在重写学习发生的条件

最容易产生的误读，是把 Sutton 的表态压缩成“RL 派反对深度学习”。公开材料并不支持这个结论：Oak 的实验仍使用 ReLU 网络、梯度与元梯度，OaK 架构也仍然要学习价值、模型、选项和规划知识。它真正否定的是一种默认制度——从人工整理的数据中做大批量优化，让所有能降低当前样本误差的参数都吸收信用，再把训练好的网络冻结后部署。

Oak 的科学赌注是：智能不是一个训练完成的模型，而是一套在运行时持续管理“写入什么、保留什么、忘掉什么、怎样验证”的更新过程。 Big World 假设给出为什么必须持续更新；IDBD / NetworkIDBD 处理信用应分给谁；batch-size-one 与事件驱动网络处理实时性和能耗；OaK / FC-STOMP 则试图把经验写回可复用的特征、技能与模型。它们组成的是一条连贯的研究路线，但尚未组成一个被完整验证的通用智能体。

原帖究竟宣布了什么

Richard Sutton 在 2026 年 7 月 13 日发布的是一条单独的文字帖，没有图片、论文附件或连续自回复。帖子本身包含四层信息：

组织变化

成立 Oak Lab

Sutton 与 Khurram Javed 离开原先由 John Carmack 带领的小团队，创办 Oak Lab，公开追求一条“略有不同”的路线。

共同前提

智能来自经验

Oak、Keen 与 David Silver 的 Ineffable 都把运行时交互经验视为智能产生并维持的来源，而不是只依赖人类整理的数据。

分歧判断

现有方法不够

Sutton 认为当前深度学习方法对持续、实时地从经验中学习仍然脆弱而低效，不足以承载雄心更大的 AI。

研究姿态

不是局部修补

帖子明确押注“根本性的新想法”和彻底重做，而不是在既有训练配方上做轻微调整。

回复区的大多数内容是祝贺与期待，真正有信息量的回复集中在几个追问：具体算法是什么、问题是否真的在反向传播、运行时学习能否写入结构而非只改权重、样本效率和真实时间效率哪个更重要、为什么创业公司适合基础研究，以及商业可行性在哪里。公开回复中没有看到 Sutton 进一步解释技术路线，因此答案必须来自 Oak 的官方研究页面、Sutton/Javed 既有论文和相邻团队材料，而不能从这条帖本身过度外推。

事实与推断的分界 “Oak 与 Keen 为什么分开”没有公开的详细内部说明。能确定的只有：双方共享从经验中学习的目标，Sutton 明说 Oak 选择略有不同的路径。本文对三条路线的比较，是根据各自公开研究重点做出的外部归纳，不是当事人披露的组织内幕。

共同母题：从“人类数据时代”走向“经验时代”

这条帖不是突然转向。David Silver 与 Sutton 在《Welcome to the Era of Experience》中已经提出一套共同母题：AI 的下一阶段不会主要靠继续吸收更多人类生成数据，而会让智能体长期处在行动—观察—反馈的流中，从自身经验产生训练信号。论文把这条路线概括为四个变化：

从短回合到长时间流

智能体不是完成一次对话就清空，而是在持续环境中继承状态、后果与未完成目标；当前决策会改变未来能看到什么。

从人类文本到环境接地

行动和观察来自数字或物理环境，正确性不只由“像不像人类回答”决定，而由行动后果检验。

从预设评价到接地奖励

奖励最终要连接用户目标或环境信号，而不是把人的所有偏好预先编码成静态标签；论文也允许用户引导的双层目标。

从复述人类推理到经验规划

智能体用自己累积的模型和预测来规划，不必把每一种内部知识都压成人类语言中的现成概念。

但“相信经验”只是共同起点，不是完整方法。经验可以被存入回放库，可以拿去做大规模离线训练，也可以在每一步用局部更新即时吸收；它可以推动一个庞大通用模型，也可以推动大量稀疏、专门、只在事件发生时激活的模块。Oak、Keen 与 Ineffable 的分歧，正发生在经验怎样被计算这一层。

一个值得保留的张力 《经验时代》认为现有技术配合合适算法，已经提供了足够强的起点；一年后的 Oak 公告却强调当前深度学习方法需要根本重做。两者未必矛盾：前者说的是技术基础与方向，后者针对的是持续学习算法和计算制度。但公开材料尚未说明，Oak 认为多少既有组件可以保留、多少必须替换。这恰好是最重要的科学分歧。

为什么 Big World 会逼迫智能体在运行时学习

Khurram Javed 的 Big World 假设不是一句“世界很复杂”的修辞，而是一个资源约束：如果环境中与任务相关的细节始终多于智能体能感知、表示和计算的细节，那么再大的预训练也只能形成先验，无法提前枚举未来每个用户、设备、地点、磨损状态和偏好组合。

Javed 用家务机器人举过很朴素的例子：一台机器即使学会“洗碗”，也不可能在出厂前知道某个家庭如何摆放特殊杯子、哪扇阳台门轻微错位、洗衣偏好何时改变。更大的模型能覆盖更多常识，却不能消除新传感器、新故障、新用户习惯和其他智能体不断产生的长尾。

这带来一个比“模型够不够大”更尖锐的问题：在每一秒有限的计算预算里，智能体该把学习资源分给哪一小部分变化？ 如果每个新样本都让整个网络做近似等价的密集更新，规模越大，运行时学习越不现实。Oak 因此把算法效率、信用选择和稀疏事件驱动视为同一个问题，而不是三个独立优化项。

我的归纳：Oak 实际提出了一个“资源假设” Big World 不只说知识永远不完备；它还暗示智能的核心能力是管理有限资源：何时更新、更新哪里、保留多久、何时构造更高层技能。模型参数量只是容量，持续分配资源的规则才决定容量能否在真实时间里变成适应性。

Oak 的技术栈：从选择性信用到可复用时间结构

把 Oak 官网、2026 年 7 月的技术文章和 Sutton/Javed 过去十余年的工作连起来，可以看到四个相互依赖的层次。它们不是已经封装好的产品架构，而是一条逐步逼近的研究程序。

第一层：不是每个误差都值得被记住

Oak 最新文章区分了两类关联：可预测的关联可以在未来复用，不可预测的关联只是当前样本的噪声。普通 SGD 的目标是降低样本误差；只要某个参数对当前误差有非零梯度，它就可能得到信用。大批量 IID 数据通过平均化削弱噪声，但在单步、非平稳数据流中，智能体没有足够样本先做平均，也不能等数据集整理好再行动。

文章先构造一个线性数据流：4096 个稀疏二值特征中只有一个特征稳定预测目标，同时混入稀疏随机事件与方差为 5 的高斯噪声。SGD 会逐渐把不可预测波动写入大量权重；Sutton 1992 年提出的 IDBD 则给每个特征维持独立步长，用跨时间的梯度一致性调整“这个特征是否值得继续学”。直觉上，持续同向、能在后续样本中验证的更新获得更大步长，反复互相抵消的更新被降权。

非线性实验 NoisyMNIST 更接近视觉网络：28×28 的数字被放在 64×64 图像中央，数字只在 10% 的时间出现，中央以外有 1% 概率激活的随机像素，目标是奇数 +1、偶数 −1、无数字 0，再叠加方差为 5 的高斯噪声。一个含 10,000 个 ReLU 隐藏单元的网络用 SGD 训练时，输出权重会广泛增长；NetworkIDBD 则把高信用连接更集中地放在中央真实数字区域。这个实验支持“网络可以学习分配信用”这一局部命题，但没有证明它已解决复杂控制。

第二层：batch-size-one、无回放与事件驱动

Oak 的目标是每次只处理刚到达的一条经验，不保存并反复重放原始数据。这样做不是为了追求一种形式上的“纯在线”，而是为了让学习延迟、存储和能耗随当前事件而不是历史数据集增长。官网进一步把它与事件驱动神经网络绑定：只有相关事件触发局部计算，未被触发的大多数网络保持静默。

这解释了 Oak 那句最激进的目标——让一个一万亿参数的智能体以 20W 实时学习和规划。即使每个参数只占 1 字节，一万亿参数也对应约 1TB 状态；若每一步都密集读取和改写全部参数，20W 目标在概念上就无法成立。因此，事件驱动不是后续工程优化，而是这个目标成立所必需的架构约束。不过 Oak 尚未发布这部分的完整技术报告，官网只标注“即将发布”，所谓多数量级节能目前属于待验证主张。

第三层：递归状态必须真正在线

持续环境通常不可完全观测，智能体需要递归状态。传统 BPTT 要保存一段轨迹再反传，不是严格的实时一步更新；精确 RTRL 可以在线，却随网络规模快速变贵。Javed 等人的 columnar-constructive 网络通过模块化与阶段式构造约束连接，使精确实时递归学习的成本近似随参数线性增长。在 trace patterning 和 Atari 预测实验中，它优于截断 BPTT，但代价是限制函数类与网络结构。这说明“不依赖跨时间反传的实时递归”可以做成，不说明这种结构已能覆盖通用序列建模。

第四层：OaK 把经验写成特征、选项与模型

如果运行时学习只是在同一组权重上不停微调，它很容易陷入回复区提出的“没有结构写回”问题。Sutton 在 OaK 架构公开演讲中给出的答案更丰富：系统所有组件都持续学习；每个权重都有通过在线交叉验证元学习的独立步长；系统还循环创建新的时间抽象。公开摘要把这个循环写成 FC-STOMP：

Option 是带终止条件的时间延展策略，可以理解为可复用技能；option model 则预测执行该技能会到达什么状态、获得什么回报、花费多久。所谓“自我可验证”，重点不是让模型用语言宣布自己正确，而是让特征、子任务和技能落到未来可观察的信号上，由实际经验检验。Reward-Respecting Subtasks、STOMP、Horde 和 Alberta Plan 都是这条谱系的前置部件。

这回答了“结构能否在运行时写回” OaK 的目标不只是在原权重里积累微小变化，而是持续产生新的预测特征、时间抽象、技能及其模型，再把它们交给规划。这里的关键对象从“一个静态网络”变成“一个会扩展和淘汰内部计算结构的过程”。但公开材料仍主要是架构愿景与组件论文，缺少完整端到端结果。

证据阶梯：哪些已经站住，哪些仍是研究赌注

这组材料最需要避免的错误，是把不同强度的证据揉成一个结论。持续学习失败已有跨任务、跨设置的独立论文；单项算法有受控实验；完整 Oak 系统则还没有公开的综合基准。下面按“主张—证据—边界”拆开。

主张公开证据强度不能推出什么
标准深网在长期连续训练中会丧失学习新任务的能力 Nature 2024 的“loss of plasticity”研究覆盖 Continual ImageNet、CIFAR-100 与连续变化的 RL 设置；长期训练后标准网络可塑性明显下降，持续替换少量低效单元可缓解。 较强 不等于所有神经网络必然失败，也不等于灾难性遗忘与可塑性衰减是同一问题。
真实部署的小分布漂移足以破坏固定策略 Physical Atari 用相机和机器人操纵真实手柄，设备成本低于 1000 美元并连续运行数周；作者报告训练与部署中的轻微物理差异会显著降低策略表现。 较强 只证明运行时适应值得研究，不证明 Oak 的具体算法已解决适应。
逐特征步长能减少对不可预测噪声的信用分配 IDBD 的长期研究谱系，加上 Oak 的合成数据流和 NoisyMNIST 演示；NetworkIDBD 的权重更集中在真正含数字的区域。 中等 博客演示没有公开完整代码、置信区间、广泛基线和超参数敏感性，不能外推到通用控制。
逐特征步长可改善在线时序预测 SwiftTD 结合 true-online TD、逐特征步长优化、过冲约束和步长衰减，在 Atari 输入流的未来回报预测上总体不劣于基线，部分游戏的终身误差低一个数量级。 中等 主要是预测与策略评估，不是长期、多任务、开放世界控制。
精确实时递归学习可以扩展得更好 JMLR 2023 的 columnar-constructive 网络在受控结构下使 RTRL 成本近似随参数线性增长，并在 trace patterning 与 Atari 预测实验胜过截断 BPTT。 中等 可扩展来自连接约束，表达能力与广泛适用性仍是代价。
持续构造 reward-respecting 的 option 有助于规划 Reward-Respecting Subtasks / STOMP 在网格世界等实验中学到比最短路、eigenoptions 或 option-critic 更有规划价值的时间抽象。 中等偏弱 证据环境仍小，尚未展示大规模真实世界中自动构造的稳定性。
完整 OaK 可以在 big worlds 中持续学习和规划 目前主要是 RLC 2025、MIT 2026 演讲摘要、研究计划及组件论文；未见统一端到端基准。 尚待验证 不能把架构图等同于已经工作的综合系统。
一万亿参数智能体可以在 20W 下实时学习 这是 Oak 官网明确写出的“holy grail”目标；事件驱动与局部信用让方向在逻辑上自洽，但详细实现仍未公开。 愿景 不能当作能耗测量、硬件方案或已达到的性能指标。

这张表给出的总体结论是：问题存在的证据最强，局部机制有效的证据次之，机制能否组合成 Oak 所承诺的完整系统最弱。 因此对 Oak 最合理的态度不是相信或嘲讽，而是要求它把组件整合后的终身性能、能耗和恢复能力做成可反驳的实验。

三条经验路线的分叉：Oak、Keen、Ineffable

三家公司都接受“智能要从自己的经验中生长”这个母题，但公开材料显示它们把主要瓶颈放在不同位置。下表是外部归纳，不是三家发布的正式分类。

Oak：算法与资源

核心问题是：怎样在单条经验到达时，只给真正可泛化的局部结构分配信用，并以极低能耗持续学习与规划。

  • batch-size-one，强调不存储和回放原始数据
  • 逐权重步长、在线交叉验证、选择性信用
  • 事件驱动网络与 FC-STOMP 时间抽象
  • 极端目标：一万亿参数 / 20W

Keen：现实系统与实验真相

John Carmack 更强调把智能体放进有延迟、磨损、异步和连续运行的真实系统，让基准暴露算法在墙钟时间里的失败。

  • Physical Atari 把模拟器问题变成物理闭环
  • 关注延迟、探索、多任务、灾难性遗忘与工程速度
  • 对完全无回放路线保持怀疑
  • 更愿意保留回放、长期情景记忆和标准深度学习组件

Ineffable：规模化经验基础设施

David Silver 的“superlearner”愿景同样拒绝依赖人类数据，但公开合作重点是让大规模 RL 的行动—观察—评分—更新循环获得更丰富经验和更强算力。

  • 单一智能体可接入任意数字或物理经验流
  • 强调一般性、持续性和自主发现知识与技能
  • 与 NVIDIA 合作构建大规模 RL 基础设施
  • 从 Grace Blackwell 起步并探索后续平台

Carmack 2025 年的公开研究笔记尤其能说明分歧。他赞同在线经验的重要性，也认为标准方法在长期、多任务和真实时间里存在根本缺陷；但他明确怀疑完全不回放的流式 RL 能否在数天内学会多样任务。大脑也许不会重放原始像素，却存在独立的长期情景记忆；对机器而言，保存海量经验在工程上并非不可行。他甚至保留一个“苦涩教训”式可能：足够强的 Transformer 基础模型最终也许会吞并 RL 问题。

真正的分叉不是“经验 vs 数据” 更准确的轴是：经验应该被即时压成局部参数与结构，还是应保留为可重访的情景记忆；瓶颈主要是学习规则、物理闭环，还是大规模算力与环境供给。Oak 选择了最强的算法约束，因此也承担了最高的证明责任。

回复区的六个追问，公开材料能回答到哪里

“具体想法是什么，而不只是愿景？”

已经公开的具体部件包括 IDBD / NetworkIDBD 选择性信用、batch-size-one、事件驱动网络方向、columnar-constructive 实时递归，以及 FC-STOMP 的特征—子任务—选项—模型—规划循环。缺失的是把它们合成同一系统后的代码、规模曲线和长期控制结果。

“问题是不是反向传播本身？”

不能这样概括。IDBD、NetworkIDBD、OML 等工作仍使用梯度或元梯度；Oak 批评的是标准损失与优化器把短期样本误差广泛写进参数、又依赖大批量平均和回放消噪。递归部分确实尝试避免 BPTT，但这不等于拒绝所有反向传播。

“运行时学习能否写入结构？”

OaK 的目标正是结构写回：创建特征、定义可验证子任务、学习 option、学习 option model，再让规划组合这些对象。它比纯微调权重更接近可复用程序性知识；但自动创建和淘汰结构在大规模环境中的稳定性仍未证实。

“样本效率和墙钟效率哪个更重要？”

这是一个错误二选一。真实智能体既不能浪费昂贵交互，也不能花几小时消化一秒经验。Oak 的主张只有在样本、墙钟、能耗、内存和响应延迟同时报告时才有意义；单独赢一个指标可以通过转移成本制造假象。

“为什么基础研究要放在创业公司？”

组织形式可以提供长期聚焦、紧密系统集成和更快实验循环，但这不是科学证据。Oak 是否比大学或大实验室更适合，只能由持续公开的方法、基准、代码和可复现实验来回答。

“商业模式在哪里？”

公开材料首先是一项研究计划，没有给出明确产品、客户或收入路径。若其技术成立，低功耗机器人、长期个人智能体和设备端适应都是自然方向；但“可能有用”不能替代当前商业验证。

怎样把 Oak 的主张变成可反驳的实验

如果基准仍然把固定数据集随机打乱、允许无限回放、训练完成后只测静态准确率，它会系统性偏向 Oak 正在反对的范式。一个真正区分路线的基准应当具备下面的协议：

一条连续非 IID 流

不重置模型，不提供任务边界；相关特征、奖励函数、传感器噪声和用户偏好随时间缓慢或突然变化。

严格资源预算

限制每步延迟、平均功耗、峰值内存与可保存历史；把 replay 的存储和读取也计入成本。

有延迟的接地结果

部分行动要经过多步才能验证，迫使系统学习时间抽象、长期信用与可检验的 option model。

学—留—再学

同一技能离开后重新出现，既测遗忘，也测恢复速度；可塑性衰减与灾难性遗忘分别计量。

结构迁移

新任务共享部分动力学却改变表面观察，检验学到的是可复用结构，还是只记住最近输入。

物理或系统漂移

引入手柄磨损、网络延迟、相机位置或 API 行为变化，让“运行时适应”不只存在于模拟器参数中。

必须同时报告的指标

Lifetime regret / error整个生命周期累积损失，而非只看最后 checkpoint。
Time to recover变化发生后恢复到可用水平需要多少真实时间与交互。
Retention & relearning旧技能保留多少，再次遇到时是否比首次更快。
Energy per useful update单位有效性能增益消耗多少能量，而非只报 FLOPs。
Memory traffic & storage参数、状态、回放和模型访问的总成本。
Tail latency持续学习时高分位响应是否仍满足实时闭环。

对照组至少应包括：冻结的预训练模型、标准 SGD/Adam 在线更新、带回放的持续学习、continual backprop、稀疏/事件驱动网络，以及 Oak 的逐权重步长和结构构造版本。只有这样才能回答真正的问题：优势来自不回放、逐参数元学习、稀疏激活、结构构造，还是它们的组合。

术语速查：不要把相邻概念混成一件事

运行时学习智能体部署并与环境交互期间继续改变预测、策略或内部结构。它可以发生在权重、上下文、外部记忆或显式技能层，不天然等于某一种算法。
在线学习数据按顺序到达，算法在流中及时更新。严格在线通常不反复遍历完整历史，但不同论文对是否允许小型 buffer 的定义并不完全一致。
持续学习面对非平稳、长期任务序列时继续获得能力，同时管理遗忘和可塑性。在线学习强调数据到达方式，持续学习强调长期能力变化。
可塑性衰减网络训练久了以后变得难以学习新模式；它与灾难性遗忘不同，后者是新学习破坏旧能力。
IDBDIncremental Delta-Bar-Delta。为每个输入特征自适应学习步长，利用跨时间更新的一致性判断该特征是否值得持续分配信用。
NetworkIDBD把逐参数步长与元梯度思想扩展到多层神经网络，使网络不只学习预测，也学习每个参数应该以多快速度改变。
Option强化学习中的时间延展行动：包含启动条件、内部策略与终止条件，可把多步行为封装为可规划的技能。
Event-driven network只有相关事件发生时才激活和更新局部计算，而不是每个时间步密集扫描全部参数。它是 Oak 低能耗目标的关键假设。
Self-verifiable知识或技能的结果能被后续环境信号检验。它不是语言模型自评，而是预测与行动后果之间可反复校验的闭环。
Big World环境中潜在相关细节持续多于智能体的感知、表示和计算容量。它限定了一类问题，不声称所有封闭任务都必须持续学习。

边界与反例：这套叙事还没有证明什么

没有证明 batch 学习应被淘汰

在可重复、可并行、分布相对稳定的任务上，大批量训练和回放非常有效。Oak 的论点针对长期、非平稳、资源受限的 big-world 智能体，不应被扩大成对所有机器学习的否定。

没有证明 replay 必然错误

回放可以提高数据复用和稳定性，生物系统也可能保留抽象或情景记忆。真正需要比较的是原始回放、压缩记忆、生成式回放与无回放在同一资源预算下的终身表现。

没有证明 backprop 是根因

Oak 的多个组件仍依赖梯度；问题可能来自密集参数耦合、目标函数、优化器、表示陈旧、缺少结构构造，或这些因素的组合。把一切归咎于 backprop 会失去可检验性。

没有证明大模型无法适应

上下文学习、外部记忆、参数高效更新、稀疏 MoE 和持续预训练都可能吸收部分运行时适应需求。Oak 必须证明其更彻底方案在成本—能力曲线上确实占优。

Blog demo 不是综合证据

NoisyMNIST 很好地展示选择性信用的直觉，却没有现实控制的多源非平稳性、长延迟回报和结构迁移。它是机制显微镜，不是产品压力测试。

“20W”尚无硬件闭环

参数规模、精度、激活比例、内存层级、更新频率和传感器/规划成本都未公开。没有这些条件，目标无法与其他系统做公平比较。

最可能的反证路径 如果带少量回放的稀疏 Transformer、continual backprop 或参数高效适应，在同样的流式协议和能耗预算下长期稳定胜过 Oak 的逐权重元学习与结构构造，那么“必须根本重做”的强版本就会被削弱。反过来，如果标准方法在放大到更长生命周期后持续失去可塑性，而 Oak 的局部机制能组合后保持学习速度，Oak 的主张才真正获得独立支撑。

最终 Insight：智能的基本单位，可能不是模型，而是更新过程

1. 从 capability snapshot 转向 learning trajectory

今天大多数模型比较都在某个冻结时刻截一张能力快照：参数多少、基准多少、推理成本多少。Oak 要求评价另一种对象——系统在几年经验流里怎样变化。对这种对象，初始能力不是唯一变量；学习速度是否衰减、错误知识能否撤销、旧技能怎样恢复、能耗是否随寿命爆炸，都属于能力本身。一个不会继续变好的高分模型，和一个起点较低但长期能稳定吸收经验的智能体，是两类不同产品。

2. 信用分配其实是一种“写权限”治理

把 Oak 的语言翻译成系统设计，梯度不是单纯的数值优化信号，而是在申请修改长期记忆。标准 SGD 倾向让所有相关参数共享写权限；IDBD 试图根据跨时间可验证性动态收回某些参数的权限；OaK 又把部分信息升级为特征、技能和模型。于是持续学习的关键不再只是“如何下降损失”，而是谁能写、写到哪一层、凭什么保留、何时被后续经验否决。这与数据库的写入治理、缓存替换和分层记忆有惊人的结构同构。

3. 20W 目标迫使算法、架构与硬件共同设计

如果一万亿参数只是容量上限，而每个事件只激活极小子图，那么参数量不再直接等于每步计算量。这个目标逼迫系统具有极高的条件稀疏性、局部更新和分层存储；同时也要求学习规则能够在缺少大批量统计时保持稳定。换言之，Oak 不能先做一个密集算法再等待硬件优化，它必须从一开始让“哪些参数无需被访问”成为学习理论的一部分。

4. 三条路线可能最终不是互斥，而是记忆层级的分工

Oak 的即时局部更新、Keen 更开放的长期情景记忆、Ineffable 的大规模经验生成，可能分别对应不同时间尺度：毫秒到秒的快速适应、天到月的经验回访、跨环境的大规模技能发现。真正强的系统未必只选一个，而可能把原始经验、压缩情景、慢速参数、显式 option 和世界模型分层，用不同写入规则连接起来。Oak 的价值在于把最底层实时写入问题推到极致；它的风险则是把“无回放”过早变成教条。

5. 这场争论最有价值的产物，会是新的评测坐标

即使 OaK 最终不是正确架构，它仍迫使研究者停止用静态准确率掩盖长期系统问题。把生命周期误差、恢复时间、能耗、内存流量和尾延迟放进同一张表，会改变哪些算法看起来“先进”。这比争论“深度学习是否走到尽头”更有生产力，也更容易被实验推翻。

一句话收束 Sutton 的新公司不是在宣布一个已经完成的答案，而是在提出一个更苛刻的问题：如果智能必须在世界继续变化时保持可塑、可验证且能耗受限，那么今天以数据集、batch 和冻结模型为中心的深度学习制度，究竟还能保留多少？Oak 已经给出一组连贯组件，下一步必须给出的是端到端、长期、同预算的证据。

证据边界与资料索引

本文优先采用当事人和机构的公开页面、论文原文与会议摘要。原帖只明确披露组织变化、共享信念和对当前方法的判断；关于 Oak、Keen、Ineffable 的路线差异是根据各自公开研究重点做出的分析。Oak 的事件驱动神经网络详细文章尚未发布，OaK 也没有公开完整端到端评测，因此节能幅度、一万亿参数 / 20W 和通用 big-world 能力均按目标而非结果处理。论文中的受控实验只支持其各自任务范围，不被外推为通用智能证明。

原帖与 Oak 官方材料

Big World、OaK 与经验时代

相邻路线

机制与独立证据