Measurement
把能力构念、任务指标、误差与外推边界分开
P3 教材已预制 · P3 尚未启动
AGI Foundations & Research Systems 90
G01～G90 · 总路线 Day 181～270
把“AGI”拆成可定义、可测量、可证伪的能力问题：泛化、学习效率、推理搜索、强化学习、世界模型、记忆、持续适应、多智能体、自改进、可解释性和安全控制。课程不预测 AGI 到达时间，也不把单项榜单、流畅回答或 Agent demo 当作通用智能证据。
教材
90 / 90 份
名义日历
2027.02.22 — 2027.05.22
结构
12 周 + 6 天整合
真实执行
仍在 P1 · M01 · 0/90
Capability view
六个不能混成总分的能力维度
每个维度都要说明构念、机制、观测、反例和证据边界，而不是用“更智能”替代分析。
Scale & Compute
理解尺度经验规律、预算分配和表观涌现
Learning & Planning
比较反应、搜索、RL、world model 与反事实规划
Memory & Adaptation
研究跨时间状态、持续学习、迁移与遗忘
Social & Recursive Learning
分析多智能体、合成反馈和改进循环的外部信号
Interpretation & Control
用因果干预、评测和部署控制约束能力主张
12-week curriculum
十二周研究学习路线
W1
AGI 定义与测量
generality、performance、learning efficiency、autonomy 与 validity
W2
Scaling 与涌现
power law、compute-optimal、metric sensitivity 与外推边界
W3
Reasoning / Search / Verifier
sampling、tree search、过程验证与 test-time compute
W4
Reinforcement Learning
MDP、Bellman、Q-learning、奖励错配与 model-based RL
W5
World Models
latent dynamics、belief、反事实、rollout error 与长程规划
W6
Memory / Planning / Tools
working/episodic/semantic memory、状态机、工具与恢复
W7
Multi-Agent Learning
合作、社会泛化、cross-play、福利、串谋与协调成本
W8
Continual / Meta / Transfer
遗忘、稳定—可塑性、迁移与快速适应
W9
Controlled Self-Improvement
合成数据、独立 verifier、尾部退化与停止条件
W10
Mechanistic Interpretability
probe、patching、ablation、feature、circuit 与因果证据
W11
Alignment / Control / Evals
threat model、monitor、audit、fallback 与 evidence limits
W12
AI Scientist
假设、证伪、sandbox、独立验证与人类责任