后 scaling 时代的 AI 研究正迎来范式转变。OpenAI 联合创始人 Ilya Sutskever 在 SSI（Safe Superintelligence）强调，预训练 scaling 已趋饱和，互联网数据即将耗尽，转向 “age of wonder and discovery”。核心在于构建 hypothesis-generation agents（假设生成代理），结合 automated experiment loops（自动化实验闭环），通过 meta-learning 实现 self-improvement，并在 low-data regimes 下高效加速研究。这不仅是理论愿景，更是可工程化的系统。
观点一：假设生成代理是 post-scaling 研究起点。传统 scaling 依赖海量数据模仿人类，而 Sutskever 指出，next-token prediction 可超越人类，通过推断 “智慧之人行为” 生成新假设。代理需从文献 gap 中提取未验证关联，如 MIT Automated Scientist 分析 10 万篇锂电池文献，提出 “锂锰氧化物晶体缺陷用碳纳米管填补” 假设。证据显示，DeepSeek R1 用 RL 从低数据基线提升 AIME 准确率至 79.8%，无需人类反馈闭环。
落地参数：代理架构用 LLM（如 o1 或 Claude-3.5）+ 贝叶斯推理。输入：Semantic Scholar API 检索最近 N=1000 篇相关论文。生成步骤：1) Gap 分析（矛盾 / 未探索联系，阈值 p<0.05）；2) 假设公式化（H: if A then B, 可检验性 > 80%）；3) 优先级排序（novelty score = 1 - cosine_sim (新假设，现有文献)）。监控：日志 novelty 分布，目标均值 > 0.7；失败率 < 20%，回滚至人类反馈。
观点二：自动化实验闭环实现 hypothesis 验证。Sutskever 访谈中，RLHF 已转向 AI 生成数据，结合状态机驱动实验迭代。牛津大学 k-agents 框架将实验拆为状态机：规划→执行→分析→跳转。DeepMind Co-Scientist 生成假设、辩论、验证，提出 AML 药物候选。InternAgent 在 12 任务中，从基线提升 7.8% R²，仅 12 小时。
工程清单：1) 实验设计：遗传算法 / RL 优化参数空间（初始种群 = 50，变异率 = 0.1，收敛阈值 = 0.01）；2) 执行：机器人接口（ROS2 + 状态机），超时 = 300s / 步；3) 分析：VLM（如 GPT-4V）+ 小样本学习（5 成功 / 失败样本），准确率阈值 > 90%；4) 迭代：max_rounds=20，early_stop if delta<1e-4。风险监控：错误累积（过滤多数投票 + 长度阈值），回滚策略（恢复上轮最佳）。
观点三：meta-learning 驱动 self-improvement，低数据高效。Sutskever 预言 RL 复兴，如 DeepSeek R1-Zero 用 GRPO（群体相对策略优化）从零人类数据自我强化。Transformer 自我改进论文显示，递归生成数据 + 过滤，实现长度泛化（9 位乘法近 100%）。SSI 目标：安全超级智能，通过 meta-learning 适应新任务。
参数配置：Meta-learning 用 MAML（内循环 lr=0.01，外 lr=0.001，任务数 = 5 / 轮）。低数据：合成数据（self-play，规模 = 10k/step），奖励：规则 - based（正确率）+ 相对（组内对比）。监控点：KL 散度 <0.1（分布偏移），改进率> 5%/ 轮；部署：分布式（Ray 框架，workers=16）。
观点四：整体系统工程化与风险限界。整合为闭环：代理→实验→meta-update。Sutskever 警告可靠性是瓶颈，需多代理协作（Survey/Coding/Assessment）。阈值：总时效 <人类 1/10，成功率> 70%。回滚：人类干预接口（belief graph 编辑）。
实际案例：Periodic Labs 获 3 亿融资，用 AI + 机器人攻室温超导，24h 完成 6 月人类工作。开源 InternAgent 验证 12 任务，证明可落地。
来源：Dwarkesh Patel 播客（2023）；Reuters/Sutskever SSI 评论（2024）；DeepSeek R1 论文；NeurIPS 2024 演讲；arXiv 自动化科学家论文。
（正文约 1250 字）