在 AI 与加密技术交汇的前沿，研究学者 Dwarkesh Patel 提出了下一代 AI 训练范式的构想：从预训练走向发布后的持续学习。他认为，当前主流的可验证奖励强化学习（RLVR）虽能有效优化模型在测试环境下的表现，却无法充分适应真实世界中不断变化的动态任务。
实景学习：走出模拟器，进入真实任务
Patel 强调，AI 训练必须从“封闭沙盒”走向“开放世界”。模型应在用户交互、系统反馈、链上操作等真实场景中不断积累经验，并将这些经验回写至自身权重，实现“干活干出来”的进化。这一概念被他称为“可磨性”（Malleability）——模型在部署后仍然具备持续接收并整合新经验的能力，而非冻结在训练时的状态。
OPSD 与“做梦”模拟：高效的持续学习机制
为实现实景学习，Patel 提出两项核心技术路径：on-policy self-distillation（OPSD，在线策略自蒸馏）和“dreaming”模拟训练。OPSD 允许模型在部署后利用自身当前策略对新数据进行蒸馏，避免遗忘旧知识；而“dreaming”则通过生成模拟环境中的高价值轨迹，让模型在虚拟场景中反复试错，从而加速经验沉淀。两者结合，有望使 AI 在不依赖人工标注的情况下持续自我迭代。
对加密行业的影响：链上智能体的训练革命
在加密领域，AI 驱动的智能体（Agent）已在 DeFi、DAO 治理、NFT 交易中崭露头角，但其训练大多仍依赖离线 RLVR 或人工反馈。若 Patel 提出的 OPSD 与实景学习范式落地，未来链上智能体将能够直接在真实交易、治理投票、跨链交互中学习并优化策略，大幅提升适应性与自主性。同时，加密基础设施（如链上数据、预言机、去中心化计算）天然为这种持续学习提供了丰富的环境与验证机制。
目前 Patel 的观点尚处于理论探讨阶段，但其对 AI 训练范式的反思已引发加密社区对“可进化的智能体”的更多讨论。若实景学习与 OPSD 能够与去中心化验证网络结合，或将催生新一代自主进化链上 AI 系统。