生成模型通过市场选择削弱人类的时间学习

arXiv:2606.06572v1 公告类型：新 摘要：我们认为，现代生成模型在当前亚 AGI 能力水平上为知识和文化生产带来了结构性风险。我们将人类时序学习（HTL）定义为通过随着时间的推移持续解决问题而积累的路径依赖知识。生成输出越来越类似于表面特征中的 HTL 密集型工作，因此验证给定输出是否反映真正的人类学习相对于其预期收益而言成本高昂。一旦验证失去了经济合理性，评估者就会奖励产出，而不管生产模式如何，而投入多年学习的生产者会在价格上与几乎不需要成本生产的产出进行竞争。我们将这种途径称为价值崩溃，并通过昂贵的检查框架将其形式化。来自学术出版、法律实践、内容平台和软件安全的跨领域证据映射到验证侵蚀的四个阶段。对齐成功是正交的。更好的一致性模型缩小了人类和人工智能输出之间可观察到的差距，使源验证变得更加困难，并加剧了对 HTL 密集型工作的竞争压力，即使单个人工智能输出有所改善。