Sam Altman在播客中暗示，AI模型可能完全依赖合成数据训练，推理能力可由此发展，但理解人类价值观仍需人类文化数据。他回应了“疯牛病”式信息退化担忧，认为两者并不矛盾。

AI研究者Dwarkesh Patel提出，超越当前可验证奖励强化学习（RLVR）的下一代AI训练范式，应转向在真实世界任务中持续学习并将经验沉淀回模型权重。他强调“可磨性”、on-policy self-distillation（OPSD）和“dreaming”模拟训练等技术路径，推动AI从发布前训练转向发布后持续进化。这一理念对去中心化AI算力网络、链上智能代理等Web3场景具有潜在影响。