Jason Wei 这类一线大模型研究者写的不是教程目录，而是可迁移的判断。把「Dopamine cycles in AI research」放到智能体和评测系统里，真正要回答的是：它改变了训练、产品还是人的分工。下面用中文把核心论点重写成可执行的工程笔记，去掉博客导航和无关装饰。
问题怎么来的
There is a dopamine cycle in doing AI research that is pretty interesting.
Every day you wake up and you think about what experiment to run. You think thing X matters so you decide to improve it or ablate it. Then you write the code and pay some compute to find out the answer. Then you get dopamine or confusion depending on whether the result matched expectations.
几个能用的判断
For experiments that are small scale you can get several reward signals quickly and develop your intuition. Other times you make a big bet that is non-obvious or controversial and go through a period of hard work, dopamine starvation, and uncertainty to do it. If it works out it's a immense high but if it fails it's natural to be consumed by helplessness.
Sometimes there is an element of ego. You may believe in X or not, and keep working to find evidence to support it or excuses for why it doesn't apply in that experiment. There can be an underlying urge to either to prove your abilities or to show that you’re still relevant in the quickly changing landscape. Science is supposedly objective but the reality is that there is a huge social aspect to it, and respect of peers is an valuable reward signal to seek
放到产品里会怎样
That’s how I feel about it, at least. Every day is a small journey further into the jungle of human knowledge. Not a bad life at all—one i’m willing to do for a long time.
落地时先钉死的事
把这条判断写成可测的指标：什么输入、什么成功标准、失败时回滚到哪一版。没有评测集和失败样本，讨论很容易停在口号。
落到智能体和评测上的 5 件事
- 先写清任务能不能被自动验证：能验证的，优先做 verifier 和评测，而不是只堆更大生成模型。
- 评测集要能区分「看起来会」和「稳定会」，避免只刷平均分。
- 涌现式能力一旦出现，产品接口、配额和失败回退要一起改，不要只改 Prompt。
- 人的时间放在定义问题、写 verifier、审高风险动作，而不是重复模型已经会的步骤。
- 研究节奏按实验闭环来：假设、最小实验、记录、复现，而不是等灵感。
和龙虾PRO怎么接
龙虾PRO做 OpenClaw 中国垂直落地时，评测、工具调用和人机协同都吃同一套原则：能验证的交给系统，不能验证的留给人审。数字员工、技能市场和网关不该各自发明一套成功标准。
本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源
常见问题 FAQ
AI 研究中的多巴胺周期具体指什么？
多巴胺周期是指研究者每天进行实验的反馈循环：醒来后思考要改进什么，写代码运行实验，根据结果匹配预期与否获得多巴胺或困惑。这个过程像小旅程，驱动研究持续进行，但可能伴随情绪波动。
为什么在 AI 研究中多巴胺周期很重要？
多巴胺周期重要因为小实验能快速提供反馈，帮助建立直觉；大实验则有高风险高回报，可能带来巨大满足或无助感。此外，社交因素如同行尊重也是重要奖励信号，影响研究动力和客观性。
如何在 AI 产品开发中应对多巴胺周期的影响？
在产品开发中，应对多巴胺周期需将判断转化为可测指标：明确定义输入、成功标准和失败回滚版本。这样能避免讨论停留在口号层面，确保基于评测集和失败样本进行客观评估，减少情绪干扰。
落地 AI 研究时，首先应该钉死哪些关键事项？
落地时先钉死的是建立可测指标：明确实验的输入、成功标准和失败时回滚到哪个版本。必须准备评测集和失败样本，否则讨论容易流于表面，无法指导实际工程进展。
在智能体和评测系统中，应该关注哪 5 件事？
关键点包括：优先为能自动验证的任务做 verifier 和评测；评测集要能区分“看起来会”和“稳定会”，避免只刷平均分；处理涌现能力时同步更新产品接口和回退机制；人时间应放在定义问题和审高风险动作；研究节奏按假设、最小实验、记录、复现的闭环进行。
龙虾PRO 在中国垂直落地时，如何应用多巴胺周期原则？
龙虾PRO 遵循同一原则：评测、工具调用和人机协同中，能自动验证的交给系统，不能验证的留给人审核。数字员工、技能市场和网关应统一成功标准，确保落地时基于客观指标而非各自发明规则。