AI行业范式转变 - AI行业正从依赖增加参数和数据的“规模定律”时代迈向“经验时代”，高质量数据消耗殆尽导致模型智能提升遇到瓶颈[3][4] - 未来智能系统的竞争力将不再由规模参数决定，而是取决于从真实用户经验中持续学习和进化的能力[3][6] - 互联网数据量有限，当前训练数据量级约为14TB，能训练的模型参数量上限约1万亿，主流模型参数量很难超过此上限[4] 经验时代与强化学习核心 - “经验时代”由DeepMind科学家提出，主张用真实产品和用户反馈数据推动模型进步，而非仅依赖预训练[6] - 强化学习通过真实互动提供蕴含因果关系的高质量数据，其信息价值密度远高于被动观看视频[7] - 强化学习的核心优势是目标对齐，能将训练目标与用户价值目标对齐，例如训练写代码或服务用户等真实任务[8] 奖励模型与训练机制 - 奖励模型（Reward Model）作为“教师模型”是关键环节，通过预测用户偏好来判定答案优劣，其本身是万亿参数级别的大模型[9] - Cursor采用“Agent RL”每两小时聚合用户数据迭代模型，使模型智能分从40分提升至60分，并有望超越顶尖模型[8] - 为解决“学生模型”欺骗“教师模型”的Hacking Problem，需在两者投入同级算力使其公平博弈共同进化[10] 马卡龙AI产品战略 - 马卡龙AI定位为“Personal Agent”（个人智能体），上线后用户已创建超过10万个覆盖旅行、健康、理财等场景的个性化小应用[11] - 产品刻意避免社区功能，专注于私密、专属的交流环境，以探讨恋爱、家庭等生活话题[3] - 公司明确产品非工作Agent，不做PPT或深度研究，而是专注“生活记录与规划”领域[13] 记忆系统技术创新 - 记忆系统不依赖传统关键词检索（RAG），而是将记忆内化为模型可训练的“记忆区块”，通过强化学习不断更新[11] - 系统以用户满意度为指标训练带推理能力的Reward Model，模型自主决定记忆内容并动态更新[11][14] - 技术采用蚂蚁集团开源的Text Diffusion技术，可同时生成千字文本并支持直接修改中间内容[12] 产品形态与未来愿景 - 长远愿景是让AI在聊天中交付各种小组件（如外卖卡片）来创造价值，而非仅通过文字回复[15] - 当前因技术限制将小应用生成功能独立为Mini App，未来目标是与对话系统融合[15] - 公司相信未来每个人都会拥有AI生活管家，可能替代手机大部分后排应用，形态包括设闹钟、管理日历、电商下单等[16]