昨天，与两位老友视频聊天，以我之耳吸收到了一些知识、认知与思考，记录如下。

话题包括：

1. 基于LLM的AI的上限讨论：
   1. 核心观点：AI在某个领域任务集合上的能与不能，取决于这个领域任务集中各任务是否被很好的digitalized？哪些需要被digitalize呢？
      1. 任务/问题描述
      2. 任务完成好坏的评判标准
      3. 其他？
   2. 对于LLM而言，任何任务的求解过程，本质是一个在解空间的搜索过程？
      1. 什么样的解空间？对于LLM的先验而言就足够了？
      2. 解空间的定义如何搜索？该顶一下，解如何搜索？
   3. 如何判断RL能在base model上取得任务 $\mathcal{T}$ 的显著效果？除了pass@k之外？
2. MiniMax的MaxProof论文讨论，核心思路是time-time scaling through verifier-based solution refinement and pool-based solution evolution
   1. AlphaEvolve

（08/23）仍在回忆、整理中…