Noam Brown

資料來源#

Really Big Test-Time Compute in AI Changes Benchmarks, Safety and Research with OpenAI's Noam Brown

摘要#

Noam Brown 是 OpenAI 的研究科學家，也是被認為率先開創推論時（測試時）計算擴展的研究者之一——這是 GPT-5 系列「思考」模型背後的推理範式。在前沿 LLM 出現之前，他打造了超人類撲克代理（Libratus / Pluribus 系列工作），如今仍將從零開始打造撲克求解器作為個人能力 eval。在本語料中，他是 2026 年 6 月 No Priors 訪談的唯一作者兼主題人物；該訪談討論了他的文章 Implications of Large-Scale Test-Time Compute。

他主張的內容（在本語料中）#

Brown 的文章建立在一項根本主張上——能力如今是推論預算的函數——並追蹤了幾項由此而來的後果：

基準測試網格已經失靈。 單一數字的基準測試表沒有控制測試時的計算量，因此更有效率的模型（GPT-5.5）可能看起來只比前代略好，實際上卻是一次大幅躍升。解法：將成本／token 數／時間放在 x 軸上。參見受計算控制的基準測試。
在無界預算下，安全 evals 的定義不清。 Preparedness 框架／負責任擴展政策是為 ChatGPT 時代打造的，卻沒有問「你要在多少預算下進行評估？」——然而危險能力和有用能力一樣，都會隨美元投入而擴展。
不會出現一夜之間的智能爆炸。 由於峰值能力需要大規模測試時計算執行，時間便成為限制條件；起飛是漸進的，而非瞬間發生。參見智能爆炸動力學。
研究品味是人類剩餘的角色。 模型能將他的撲克演算法最佳化到 10–100 倍，但目前還無法發明更好的演算法；它們是「研究者非常好的補充」，而非替代品——不過他預期這裡也會出現類似程式設計和數學領域的轉折點。參見研究品味作為人類瓶頸。
存在潛在能力過剩。 沒有人探索過，將 $100K 的計算投入已發布模型後，它能做到什麼；在 OpenAI 宣布 Erdős 單位距離猜想可被公開模型反駁之前，該模型就已能完成反駁。參見潛在能力過剩。

Brown 的文章屬於 practitioner-opinion——來自單一實驗室的論點與軼事。2026 年 7 月，UK AI Security Institute 發表了其核心論點群的第一份獨立、empirical 印證，在數個基準測試上測量跨 token 預算的能力曲線。Brown 引用的 AISI 資安結果（模型「在 100M tokens 時仍持續改進」）正是該機構自己的研究，如今已完整發表。他的論點不再只取材自單一人物。

撲克 eval（他的招牌工具）#

Brown 會製作撲克求解器，因為這類工具的開源程式碼很少、已發表的理論很多，而且有「許多小陷阱」是他早已處理過的——因此他能精確看出模型在哪裡失敗。他所描述的進展也同時是一條能力時間線：早期模型「基本上什麼都做不了」；GPT-5.2 能在 steering 下建立 river solver（而且「感覺像研究生」），但會「gaslit」他——著名例子是堅稱棄掉一個 $100 底池會損失 $92，「它接近 100，沒問題」；GPT-5.5 則能 zero-shot 完成其中大部分工作。他的預測是：一年內，某個模型就能「基本上一口氣完成我的整篇 PhD 論文」。他也日常使用模型處理高風險的非程式碼決策（稅務、不動產文件），對其輸出的信任「可以說比……一位人類專家還高」。

資料來源#

Really Big Test-Time Compute in AI Changes Benchmarks, Safety and Research with OpenAI's Noam Brown — No Priors 與 Sarah Guo 的訪談（2026-06-26）；Brown 談論他的文章 Implications of Large-Scale Test-Time Compute（practitioner-opinion）。

Noam Brown

資料來源#

摘要#

他主張的內容（在本語料中）#

撲克 eval（他的招牌工具）#

相關連結#

資料來源#