CERCETARE NOUĂ de la Stanford. Dezbaterea despre AGI este blocată pe o falsă dihotomie. Poziția unu: scale LLM-uri și apar informații. Poziția doi: LLM-urile sunt potrivitori de tipare incapabili de raționament, un impas. Această lucrare susține o a treia poziție: Substrat plus Coordonare. LLM-urile sunt depozitul necesar de modele System-1. Componenta lipsă este un strat de coordonare System-2 care selectează, constrânge și leagă aceste tipare de obiective externe. Autorul susține că ideea cheie vine dintr-o metaforă de pescuit. Oceanul este vasta cunoaștere latentă a modelului. Aruncarea fără momeală recuperează probabilitatea maximă anterioară: ieșiri generice, comune. Criticii care observă halucinații nu văd un sistem stricat. Ei văd o distribuție neprovocată. Comportamentul inteligent necesită momeală și filtrare. Lucrarea formalizează acest lucru prin UCCT, o teorie în care raționamentul apare ca o tranziție de fază. Trei factori guvernează această schimbare: sprijin eficient (concepte țintă care atrag densitatea momelui), nepotrivire reprezentativă (cât de mult rezistă priorul) și un buget adaptiv de ancorare (costul contextului). Când forța ancorantă depășește un prag, comportamentul trece de la halucinație la control orientat spre scop. Două exemple contextuale pot anula aritmetica învățată din miliarde de tokenuri. Tranziția este discretă, nu graduală. Coordonarea este un blocaj în sistemele moderne de inteligență artificială. MACI implementează acest strat de coordonare: dezbatere modulată de comportament între agenți, judecată socratică care filtrează argumentele greșit puse și memorie tranzacțională care menține starea pe parcursul episoadelor de raționament. Citește lucrarea despre ingineria contextului agentic pentru idei legate de partea de memorie. Drumul către AGI trece prin LLM-uri, nu în jurul lor. Întrebarea nu este dacă depozitele de modele sunt suficiente. Este vorba despre mecanismele de coordonare care pot transforma capacitatea tiparelor într-un raționament fiabil și verificabil. Hârtie: Învață să construiești agenți AI eficienți în academia noastră: