RecodeX 重构消息，硅谷播客主持人Dwarkesh Patel提出，下一代AI能力的关键可能在于通过“可验证奖励强化学习”（RLVR）在可刷题任务（如代码、数学）中训练，并结合“在线策略自蒸馏”（OPSD）和“梦想”（dreaming）机制，实现从真实部署经验中持续学习并更新模型权重。