Nghiên cứu MỚI từ Stanford. Cuộc tranh luận về AGI đang mắc kẹt trong một sự phân đôi sai lầm. Vị trí thứ nhất: mở rộng LLM và trí tuệ xuất hiện. Vị trí thứ hai: LLM là những người nhận dạng mẫu không có khả năng lý luận, một ngõ cụt. Bài báo này lập luận cho một vị trí thứ ba: Substrate cộng với Phối hợp. LLM là kho lưu trữ mẫu hệ thống-1 cần thiết. Thành phần còn thiếu là một lớp phối hợp hệ thống-2 chọn lọc, ràng buộc và kết nối những mẫu này với các mục tiêu bên ngoài. Tác giả cho rằng cái nhìn chính đến từ một phép ẩn dụ về câu cá. Đại dương là kiến thức tiềm ẩn rộng lớn của mô hình. Ném câu mà không có mồi sẽ thu được xác suất tối đa trước: đầu ra chung, phổ biến. Các nhà phê bình quan sát ảo giác không thấy một hệ thống bị hỏng. Họ đang thấy một cú ném không có mồi. Hành vi thông minh cần có mồi và lọc. Bài báo chính thức hóa điều này thông qua UCCT, một lý thuyết mà trong đó lý luận xuất hiện như một chuyển tiếp pha. Ba yếu tố điều khiển sự chuyển đổi: hỗ trợ hiệu quả (mật độ mồi thu hút các khái niệm mục tiêu), sự không khớp đại diện (mức độ mà trước đó kháng cự), và ngân sách neo thích ứng (chi phí của ngữ cảnh). Khi sức mạnh neo vượt qua ngưỡng, hành vi chuyển từ ảo giác sang kiểm soát có mục tiêu. Hai ví dụ trong ngữ cảnh có thể ghi đè lên phép toán đã học từ hàng tỷ token. Sự chuyển tiếp là rời rạc, không dần dần. Phối hợp là một nút thắt trong các hệ thống AI hiện đại. MACI thực hiện lớp phối hợp này: tranh luận điều chỉnh hành vi giữa các tác nhân, đánh giá Socratic lọc các lập luận không hợp lý, và bộ nhớ giao dịch duy trì trạng thái qua các tập lý luận. Đọc bài báo về kỹ thuật ngữ cảnh tác nhân để có ý tưởng về phần bộ nhớ. Con đường đến AGI đi qua LLM, không phải xung quanh chúng. Câu hỏi không phải là liệu các kho lưu trữ mẫu có đủ hay không. Mà là cơ chế phối hợp nào có thể biến khả năng mẫu thành lý luận đáng tin cậy, có thể xác minh.