年近70，强化学习之父Sutton创业成立Oak Lab，向LLM范式宣战
7月14日，被称为"强化学习之父"的Richard Sutton在社交平台X上突然宣布，他与合作者Khurram Javed已经离开由传奇游戏开发者John Carmack创办的AI公司Keen Technologies，共同创立了一家名为Oak Lab的新公司，目标是打造一种完全不同于当前大语言模型的AI系统。
Oak Lab的创立背景与核心理念
Oak Lab的创立动机，与Sutton在2019年发表的那篇著名文章——《苦涩的教训》（The Bitter Lesson）有着深度关联。现年68岁的Richard Sutton是加拿大阿尔伯塔大学计算机科学教授，在斯坦福大学获得本科学位后，于马萨诸塞大学阿默斯特分校师从Andrew Barto完成博士学业。他是时序差分学习的提出者，与Barto合著的《强化学习导论》是该领域最具影响力的教材。2025年，二人共同获得ACM图灵奖，表彰他们在强化学习概念和算法基础方面的开创性贡献。此外，AlphaGo的缔造者David Silver、强化学习领域重要学者Doina Precup等人都是他的学生。Oak Lab致力于开发能够通过自身第 一人称经验独立、持续学习的AI智能体，这意味着AI不再依赖人类喂养的庞大数据集或静态训练，而是能像生物一样，在与环境交互的运行过程中实时试错、进化并自我完善。
为何不走LLM路线
Sutton认为当前的大模型没有真正贯彻"通用计算+自主经验学习"的核心精神。在他看来，当前的大语言模型主要依赖海量的静态数据进行预训练，它们非常擅长模仿人类，但无法评估自身的输出结果，也不具备真正探索和发现的能力。真正的智能需要发现新知识，就像AlphaGo最初学习人类棋谱，但真正击败李世石并进化为AlphaZero的，是它通过强化学习在无数次自我对弈中探索出了人类从未见过的招法。Sutton指出，当前深度学习方法存在根本性的不足，需要的不是修补，而是全新理念的重构。大语言模型的本质是序列预测，它并不真正理解物理世界的因果关系，部署后即停止学习，并未真正践行《苦涩的教训》所倡导的精神。
Oak Lab的技术目标与终极愿景
Oak Lab的核心方向就是推进Sutton提出的新架构OaK（Options and Knowledge，选项与知识）。Oak Lab的终极目标是打造一个拥有万亿参数、并且能够在仅20瓦极低能耗下进行实时学习和规划的智能体，从而通过纯粹的经验累积通向超级智能（AGI）。Sutton提出的OaK架构追求的是运行时的持续学习，其核心是让智能体建立关于环境的内部"世界模型"，并利用这些模型去预测自己行为的长期后果。这种基于选项（即在时间上延伸的动作）的长期规划能力，是目前基于注意力机制的Transformer架构极难内生实现的。值得注意的是，Sutton的学生David Silver也已宣布创业，押注类似的强化学习路线，这折射出一个微妙行业趋势——顶尖学者正接连离开大厂实验室，AGI探索的重心正悄然从巨头实验室转向更小、更激进的初创团队。
发布于：上海
相关推荐
年近70，强化学习之父Sutton创业成立Oak Lab，向LLM范式宣战
Andrej Karpathy回应强化学习之父Sutton最新观点「LLM是“死路一条”」
LLM将是又一个“惨痛教训”？强化学习之父Sutton再放炮：万亿美金AI泡沫可能破裂
图灵奖得主Sutton新作：用一个1967年的公式，解决流式强化学习一大缺陷
图灵奖得主Sutton新作：AI的下一步，是走向「生成认知」
强化学习，正在引领AI跨越LLM之谷
Nature封面文章: DeepSeek-R1通过强化学习激励的LLM推理
AlphaGo之父出山：另辟蹊径，绕过大模型探索超级智能
为何强化学习火遍硅谷？AGI的关键一步
年少财富自由的“卡神”，也走上了AGI创业之路
网址: 年近70，强化学习之父Sutton创业成立Oak Lab，向LLM范式宣战 https://m.xishuta.cn/newsview151618.html
