⚠️ 边界声明（本工具链适用场景 · 高亮常驻）：本读书方法论的「最优」是针对春哥场景（投资/行业研究导向、时间碎片化、需要知识直接挂到已有认知上）的选型，非放之四海皆准。每本书入库都会判 fit——不适配的书会显式提醒、不硬套三层流程。使用场景若要迁移（如改造成学术/背诵/共读），必须先过需求变更等级门槛。

🤖

A Definition of AGI（AGI 的定义）

Dan Hendrycks 等 30+ 作者（含 Bengio / Tegmark / Marcus / Tallinn / Schmidt）· Center for AI Safety · 人工智能 · 学术论文 · 定义框架

fit：适配 📌 想读

🛟 fit 说明：书型=学术论文/定义框架，正对本工具链强项（AI 情报研判）。注意三点：①心理测量学概念多（CHC/因子分析/频次），遇到术语可查 AI 字典；②十认知域明细章节（§3-12）是参考手册性质，不必逐页精读，按需查阅；③论文给出的是框架与首批结果（GPT-4/5），未来模型会有新分数，卡片随版本更新。与 Goertzel 2014 综述互补。

🎯 为什么读：Center for AI Safety 领衔 30+ 作者的量化 AGI 定义框架：基于 CHC 认知理论拆 10 个认知域，产出 AGI Score（GPT-4 27% / GPT-5 57%）。给'判断 AGI 宣称'一把同一把尺子。

📖全文中英对照版：段落级翻译 · 移动端优先进入对照版 →

读薄 · 全书地图检视阅读产出 · 主线 + 每章要点 + ⭐ + 检验性问题

🧭 主线：（预期主线，待读薄后修正）以'拿到一把可复测的 AGI 尺子'为主线：先理解「为什么 AGI 定义是移动靶子、必须量化」（§1）→ 掌握 CHC 十认知域框架与 AGI Score 口径（§2）→ 看首批模型打分结果与「锯齿状轮廓」结论 → 最后读 Scope 界定，知道这把尺子测什么、不测什么。核心收益=任何 AGI 宣称都能用同一套认知域框架去拆解、质疑、打分。

§1

Introduction（引言：AGI 定义的痛点）必读

为什么说 AGI 是「移动靶子」（moving goalpost）——专用 AI 越强，AGI 标准被抬得越高。
一句话定义：AGI = 匹配或超越「受过良好教育的成年人」的认知通用性与熟练度。
为什么选 CHC 理论做落地（一百多年因子分析的实证基础，不是拍脑袋）。
读时关注：「通用性（breadth）与熟练度（depth）」这两个词为什么缺一不可。

§2

Overview of Abilities（十认知域总览）必读

十个认知域各占 10%：K 常识 / RW 读写 / M 数学 / R 即时推理 / WM 工作记忆 / MS 长时记忆存储 / MR 长时记忆检索 / V 视觉 / A 听觉 / S 速度。
AGI Score = 十域等权累加，100% = 达成 AGI。
读时关注：为什么「等权」？刻意压广度、防止一个域拉满充数。

§3-12

十个认知域明细规格（K/RW/M/R/WM/MS/MR/V/A/S）可跳

每个域再拆「窄能力」（如 R 域含演绎/归纳/心智理论/规划/适应）。
参考手册性质：想查某域怎么测、有哪些子项时回来翻。
与我们最相关的三个：MS（长时记忆存储=持续学习，AI 的 0 分短板）/ MR（检索+防幻觉）/ WM（工作记忆）。

结果

Results（AI System Performance：首批打分）必读

GPT-4 = 27%（2023）/ GPT-5 = 57%（2025）——量化「进步快但差距大」。
「锯齿状」认知轮廓：知识/读写/数学强，基础认知机制弱。
致命短板：MS（长时记忆存储）= 0 分，且 R（即时推理）也很弱。
读时关注：分数表里哪一列是 0？为什么？这对我们评估 AI 工具意味着什么。

界定

Scope（测什么、不测什么）选读

不是自动评估集，而是任务规格集合，任何人可手动复测。
测的是 human-level（人类级认知），不是 economy-level（经济价值）——iPhone 有价值但不是 AGI。
只测认知（头脑），不测身体（运动/触觉）。

讨论

Discussion（局限与后续）选读

框架的局限：任务清单不是穷尽的、人类基准也有争议。
未来：更多模型打分 / 认知域扩展 / 与自动化经济指标分离。

附录

Appendix A-K（各认知域测试详单）可跳

每个认知域的实际测试题清单（含来源测验）。
想复核某个域的测量方法时回来查。

❓ 检验性问题读完能答出，才算真读进去

用一句话给 AGI 下定义，再说明为什么「受过良好教育的成年人」是基准而不是「所有人/超人」？
十个认知域里，为什么 MS（长时记忆存储）对当前 AI 是 0 分？这对我们的人机协作方式有什么启发？
如果某厂商宣称「我们的模型已达到 AGI」，你会用这把尺子怎么拆解这句宣称？

读厚 · 费曼对话你主读，我护航 · 你讲我听，我追问纠偏

📖 读厚记录尚未开始——带着上方「检验性问题」去读原书，读一段我们聊一段。你用自己的话讲给我听（费曼），我帮你检查理解偏差、补漏洞。

内化 · 知识卡费曼输出 + 强制连接已有认知

🧠 知识卡尚未生成——读厚完成一块后，我们一起把「这和我已知的什么挂钩」写成知识卡，挂到你已有的认知网上。