泛化差距（It Factor）假说
当前大模型的最大缺陷不是"不够聪明"，而是"泛化能力不足"——在基准测试（evals）上表现优异，但在真实经济场景中能力呈现"锯齿状"（某些任务超人类，某些简单任务频繁失败）。人类具备的"少量样本就能掌握新领域"的能力，Ilya 称之为"It Factor"（灵气/天赋），是目前完全未被机器学习范式复现的。
"泛化差距是人机智能的核心鸿沟。人类用 10 小时学会开车，AI 需要数百万样本还不一定稳定。 根源：① 当前 RL 过度拟合基准测试；② 人类具备进化带来的底层先验（视觉、运动、社会情绪），AI 缺少这些"内置价值函数"；③ 人类的"持续学习能力"本质是高效的价值函数驱动（情感 = 内置价值判断，不需要等到最终结果才给奖励）。 突破方向：价值函数（给 RL 提供中间步骤的学习信号）+ 持续学习（部署后继续学习，不同实例的学习结果可合并）。 "
故事案例
Ilya 在多次访谈中举过一个例子：编程模型能在竞赛中拿高分，但实际应用中会反复引入 bug 又反复修复，陷入死循环。
这不是"模型不够大"的问题，而是"模型没有学会编程的本质逻辑，只是记住了解题模式"。
这个判断直接指导了 SSI 的研究方向：不追求"在更多数据上训练更大的模型"，而是"让模型具备类似人类的泛化学习能力"。
决策逻辑
评估当前 AI 系统的"锯齿状"程度 → 如果高，说明泛化是瓶颈，不是数据/算力问题
判断训练目标是否过度关注基准测试 → 如果是，重新设计 reward function（加入泛化测试）
如果要做持续学习 → 必须解决"灾难性遗忘"问题（目前无解，但 Ilya 暗示 SSI 有进展）
如果资源有限 → 优先投资"价值函数"方向（比单纯扩大数据更高效）
不要期待"更大的模型自动获得泛化能力" → Scaling 不解决泛化问题