CS329A 主线

结论摘要

自改进不是神秘的自我意识，是一条可工程化的环：

生成 → 验证 → 选择或更新 → 再生成。

环上缺任何一块都会假装成「agent」：没有验证的采样是抽奖；没有环境的规划是作文；没有能 hill-climb 的数据的 RL 是过拟合。

要点

依据

• Course Overview
• Test-Time Compute Scaling
• Robust Verification
• Learning from Feedback with Tools/Code
• Train-Time Scaling / Scaling RL
• Agentic Evaluations and Long Horizon Tasks

风险与未知

字幕是课堂口语，数字（+14.1%、7 个月翻倍、66.6 vs 82.1）都转述论文，引用前要核对。YouTube 九讲不等于完整学期（缺客座与项目课）。

建议下一步

• 抽 1–2 篇核心论文进 raw（Monkeys、Let's Verify、ReAct、STaR）做二次编译。
• 用这套概念页去对照自己正在写的 agent：反馈从哪来、评测用 50% 还是 80%。