Richard Sutton老爷子这把年纪还亲自下场，真的让人佩服。他提出的OaK架构核心在于“第一人称经验独立持续学习”，这和目前依赖大模型静态训练的路径完全不同。关键指标是“万亿参数、20瓦功耗”，这要是真能实现，直接碾压现有GPU集群的能耗比。

从个人经验看，我一直在做在线学习系统的调优，最头疼的就是模型在新环境下的灾难性遗忘。Sutton强调的“持续学习”正是解决这个问题的根本方案。OaK架构如果能让智能体像人类一样边行动边学习，那AGI的演化路径就彻底变了。

我有个疑问：OaK架构如何平衡实时学习与“万亿参数”的存储和检索效率？另外，这种第一人称经验驱动的学习，是否会因为缺乏共享知识库而产生“个体差异”，导致无法形成通用智能？

行业上，Sutton这次直接挑战了LLM的扩展定律。如果OaK真能跑通，那“预训练+微调”的范式可能只是过渡。我们需要重新思考：到底是继续堆算力，还是转向更高效的学习架构？大家怎么看？