2025年LLM迎来六大范式变革：可验证奖励强化学习使模型展现推理能力；智力表现参差不齐；应用向专业化发展；个人电脑AI成为新范式；氛围编程降低门槛；图形界面交互改变AI交互方式。AI作为新型智能既超预期聪明又比想象笨拙，潜力远未释放。
2025年快结束了，关注AI的朋友一定有很多个感叹瞬间，感叹AI的发展速度之快、具体任务提效之神奇。
本篇基于Andrej Karpathy在12月20日发表的《2025 LLM Year in Review》，增加了一些图片以方便理解，咱们一起看看AI大神有什么不一样的视角和体感？
前言
Andrej Karpathy是斯洛伐克裔加拿大计算机科学家，师从李飞飞教授，是人工智能研究机构OpenAI的创始成员之一。
他曾被马斯克邀请加入特斯拉，担任人工智能和自动驾驶视觉总监长达五年，是特斯拉Autopilot和FSD（完全自动驾驶）系统开发的核心领导者之一。
他在2022年离开特斯拉后，于2023年初重新加入OpenAI，继续其AI研究工作，并在AI开源和教育领域也非常活跃。
2025 年，大型语言模型（LLM）发展迅猛。以下是一些值得注意且略显意外的“范式变革”——那些改变了局势并在概念上让人印象深刻的事情。
- 可验证奖励的强化学习（RLVR）
通过训练 LLM 面对多种环境中自动验证的奖励（例如数学/代码谜题），LLM 发展出看起来像“推理”的策略——它们学会将问题解决分解为中间计算，并学习多种解决问题的策略来反复解决问题（示例见 DeepSeek R1 论文）。
OpenAI o1（2024 年底）是 RLVR 模型的首次演示，但 o3 发布（2025 年初）是明显的转折点，直观地感受到差异。
- 参差不齐的智力
随着可验证域允许 RLVR，LLM 在这些域附近的能力“激增”，整体表现表现奇特且参差不齐——它们既是天才博学者，也是困惑且认知有障碍的小学生，随时可能被越狱骗取数据。
（人类智能：蓝色；人工智能：红色）
与此相关的是对 2025 年基准的普遍冷漠和失去信任。核心问题在于基准测试几乎天生就是可验证的环境，因此很容易受到 RLVR 及其较弱形式（通过合成数据生成）的影响。
- Cursor/新层面的LLM应用
LLM 应用会通过提供私有数据、传感器和执行器以及反馈回路，组织、优化并真正激活 LLM 团队，成为特定行业的专业人才。
- Claude Code/运行在个人电脑上的 AI
Claude Code（CC）成为了第一个令人信服的LLM Agent的演示，它运行在你的电脑上，并结合你的私人环境、数据和上下文，这是一种全新的、独特的人工智能互动范式。
- 氛围编码（Vibe coding）
2025 年是人工智能跨越能力门槛，能够仅凭英语构建各种令人印象深刻的程序，甚至忘记了代码的存在的一年。
在氛围编码（Vibe coding）中，编程并不严格地只限于受过高素质的专业人士，任何人都能做到。
- Nano banana / LLM GUI
谷歌 Gemini Nano banana是 2025 年最令人难以置信、最具范式转变性的模型之一。人们喜欢视觉和空间上获取信息（而非文字），这也是传统计算机中图形界面（GUI）被发明的原因。同样，LLM 也应该以我们喜欢的形式与我们对话——通过图片、信息图表、幻灯片、白板、动画/视频、网页应用等形式。
到底是谁来构建 LLM 图形界面呢？在这种世界观中，Nano banana是其可能面貌的最初早期暗示。
更重要的是，这不仅仅是图像生成本身的问题，而是文本生成、图像生成和世界知识的联合能力，这些都交织在模型权重中。
总结
2025 年是LLM令人兴奋且略带惊喜的一年。它作为一种新型智能出现，既比预期的聪明得多，又比预想的笨得多。无论如何，它们非常有用，即使以目前的能力，行业也远未实现其潜力的 10%。系好安全带。
最后
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
为什么说现在普通人就业/升职加薪的首选是AI大模型？
人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
资料包有什么？
①从入门到精通的全套视频教程⑤⑥
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**
