怎样判断一个系统是否接近AGI?

判断一个系统是否接近 AGI，关键不在于它在某个榜单上拿到多高的分数，而在于其能力结构是否出现了质的变化。专用系统的智能是局部的：在训练分布内表现优异，一旦任务形式、领域或输入条件发生变化，性能便迅速衰减。因此判断的核心应围绕“泛化”展开，而不是围绕“规模”展开——参数与数据的堆叠并不必然带来通用性，这是评估中最常见的误判。

三个核心判据

第一个判据是新任务上的适应效率。接近 AGI 的系统应当能在未经专门训练的任务上，通过极少量示例甚至仅凭任务描述快速建立可用策略，而不是依赖大规模重新训练。样本效率是区分“记忆”与“学习”的关键指标。

第二个判据是跨领域的推理与知识整合能力。有效的检验方式是观察系统能否把不同领域的知识组合起来解决交叉问题。例如，同时掌握医学与法律材料的系统，应当能处理“医疗纠纷”这类需要双重知识结构的任务，而不是只能在各自领域内做孤立问答。无法在领域之间迁移知识的系统，本质上仍是多个专用模块的拼接。

第三个判据是常识补全能力。真实世界的输入几乎总是不完备的，接近 AGI 的系统应当能利用常识推断缺失环节，在模糊或矛盾条件下给出合理判断，而非完全依赖训练样本中出现过的现成模式。

工程层面的验证

能力维度之外，还有两个务实的检验问题：能力能否稳定复现，边界是否清晰可界定。单次演示的惊艳表现不构成证据，只有在分布外输入、扰动和长期交互中仍保持一致的系统，才谈得上接近通用。同时，任何声称接近 AGI 的系统都应能明确说明自己“不能做什么”——无法界定失败边界的系统，其能力宣称本身就值得怀疑。

判断的最终落点，是把“像人”的直觉换成一组可检验的问题：能复现、能迁移、能补全、能划界。四条都通过，才值得认真讨论 AGI；缺任何一条，它都只是一个更强的专用工具。