2 月 28 日，OpenAI 的核心研发人员 Jack Rae 在参加 Stanford MLSys
Seminar 的访谈时进行了一个名为 Compression for AGI 的 主 题 分 享 ，
其核心观点为：AGI 基础模型的目标是实现对有效信息最大限度的无损压
缩。并同时给出了为什么这个目标是合理的逻辑分析，以及 OpenAI 是
如何在这个目标下开展工作的行动原则。
我们认为这个不到 1 小时的 talk 是从去年 11 月 ChatGPT 出现以来，
让人能够最大限度理解 OpenAI 工作思路的一个纲领性内容，在深入了
解这个 talk 后，我们会对 OpenAI 的历史行为产生全新的认知，甚至
有可能对其未来的动作进行某种程度的预测。
目前这个 talk 在 YouTube 上的播放量不高（截至 3 月 25 日的播放量
是 4.5k），在国内的讨论更是寥寥无几，OneMoreAI 的学习小组对此
内容进行了深入的学习讨论后形成了一些有趣的想法，在此与各位分享。
一、来自 OpenAI 的观点
让我们先来回顾一下这次 talk 的主要内容，在回顾之前我们介绍一下分
享者：
Jack Rae 是 OpenAI 的团队负责人，主要研究大型语言模型和远程记忆。
此前，他在 DeepMind 工作了 8 年，领导大型语言模型（LLM）研究
