借《The Beginning of Infinity》：问题不可避免、但总能解决；AGI 是持续攀登的方向，不是一夜抵达的台阶。

强思考推理 RL 是「缸中之脑」纯思考；Agentic RL 靠多轮交互调用工具——都在 scale 推理时的 token。

推理模型不断提出新猜想并自我验证，等价于试了好几次，把 pass@k 变成 pass@1。

K2 用矩阵正交化的 Muon 优化器，token efficiency 约 2 倍——30T 数据当 60T 用，loss 降得更快。

RL 易过拟合到单点 benchmark；分数涨≠泛化好。不能 overfit 到某些工具/环境/任务。

让模型参与模型开发、做对齐研究，用 innovation 层的能力去解 agent 的泛化——L4 解 L3。

训模型时已要把工具/context 全搭好，模型训完产品就基本成型；一方产品的垂直整合上限更高。

以 RL（给目标）为主、少量 SFT（防跑偏）；SFT 太多扼杀创造力，RL 又易被 reward hacking。