知识卡片：强化学习之父Sutton创业成立Oak Lab，另辟LLM路线

英文标题： Reinforcement Learning Pioneer Richard Sutton Founds Oak Lab, Pursuing an Alternative LLM Path
英文关键词： Richard Sutton, Oak Lab, continual learning, intelligent agent, bitter lesson

一句话结论

68岁“强化学习之父”、图灵奖得主Richard Sutton与Khurram Javed离开Keen Technologies，在加拿大创立Oak Lab，主张智能体必须通过试错从自身经验持续学习、实时进化，批评当前大语言模型仅学习人类文本而非经验，部署后即停止学习。

事件概述

2026年7月，Richard Sutton与Khurram Javed共同创立Oak Lab，公司总部位于加拿大。Sutton认为大语言模型（LLM）的核心缺陷在于：它学习的只是人类积累的文本，而非通过与环境交互获得的经验；模型部署后便停止学习，未能真正践行他提出的《苦涩的教训》（The Bitter Lesson）——即智能必须依靠搜索和试错产生新发现。Oak Lab的技术路线源于此前“阿尔伯塔计划”（Alberta Plan），核心是OaK架构，旨在构建能够持续从自身经验中进化的Agent。

方法/产品要点

• OaK架构：从“阿尔伯塔计划”演化而来，核心目标是让智能体在部署后仍能通过与环境交互持续学习、实时进化。
• 与主流LLM路线形成对比：Sutton认为当前LLM路线（预训练+微调+冻结）是静态的，无法像人类一样从后续经验中获取新知识。
• 尚未解决的核心挑战：Sutton本人坦言，灾难性遗忘（catastrophic forgetting）和可塑性丧失（loss of plasticity）仍在OaK架构中存在，尚未找到彻底解决方案。

主要结果或产业意义

• 路线反思：作为强化学习领域的奠基人，Sutton以创业行动公开挑战当前以规模扩展为核心的LLM范式，促使业界重新审视“学习”的定义——是记忆文本还是从行动中试错。
• 领域分化：Sutton的学生David Silver也已另起炉灶，同样押注强化学习路线，表明该方向正在形成独立的研究阵营。

为什么重要

本条信息是对上一轮“强化学习能否超越LLM”讨论的实质性进展。此前业界主要关注Google DeepMind的SIMA 2等Agent产品（见已有相关卡片），而Sutton此次创业直接指向了Agent的核心学习机制，即在无人类标注数据的情况下，能否让智能体通过环境反馈不断成长。这比单纯的“能力整合”（如SIMA 2）更底层、更根本。

局限与不确定性

• 技术瓶颈未突破：灾难性遗忘与可塑性丧失是持续学习领域的长期难题，Sutton团队尚未公布具体解决方案。
• 商业化前景不明：Oak Lab刚刚成立，未发布具体产品或性能评测，也未披露融资信息。
• 与已有Agent产品的可比性：待核实OaK架构是否能在实际任务（如代码、机器人操控）中达到或超越当前LLM-based Agent的表现。

可用于图书/PPT/简报的角度

• 批判角度：作为“苦涩的教训”提出者，Sutton如何用自己创办的公司“打脸”今天的大语言模型，适合在AI发展史或技术批判章节中引用。
• 未来预测：超级智能是否一定要靠试错？Sutton的路线与Scaling Law路线哪条更可能通向AGI？可作为辩论题目。
• 人物群像：图灵奖得主在65岁后创业，与Hinton离开谷歌、LeCun留守Meta的对比，适合科技人物专题。

与既有脉络的关系

本卡片主要补充Sutton创业细节及技术立场，不重复SIMA 2或π0.7中关于“通用Agent”能力已有事实。增量信息为：Sutton对LLM路线“部署即停止学习”的尖锐批评，以及OaK架构与持续学习困境的明确承认。

原始材料

• URL: https://m.sohu.com/a/1050336266_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=5
• Parent digest: 腾讯研究院AI速递 20260715
• Parent URL: https://m.sohu.com/a/1050336266_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334