💬 观点Nathan Lambert
I wrote an AI textbook — how long until AI can do it — 作者亲历写AI教科书,发现模型长文写作停滞,对AI自主科研能力提出质疑。
作者亲历写AI教科书,发现模型长文写作停滞,对AI自主科研能力提出质疑。
2026-08-12原文
本文为要点摘要,完整细节以原文为准。
🧭 一图看懂
由原文自动提炼 · 以原文为准点击任一分支,查看这一点的一句话解读
AI长文写作停滞与科研质疑
模型能写好单句,却难以组织整章,错误层层累积
- 组织混乱、措辞含糊、概念出错
- 写作能力与编码数学进步脱节
- 写作好的模型多为旧款:GPT 4.5、Kimi K2
⚙️ 流程拆解
STEP 1写RLHF教科书
STEP 2用LLM辅助LaTeX与图表
STEP 3Claude Code处理编辑批注
STEP 4人工判断采纳AI句子
STEP 5反思模型长文能力
🔗 涉及的概念与玩家
- Nathan Lambert人物
- Claude Code产品
- GPT 4.5模型
- Kimi K2模型
- GPT 5.5 Pro模型
- RLHF概念
- RLVR方法
- Anthropic公司
- Nathan Lambert—撰写教科书→RLHF
- Nathan Lambert—用于编辑→Claude Code
- Nathan Lambert—用于查错→GPT 5.5 Pro
- Anthropic—开发→Claude Code
- RLVR—相关技术→RLHF
- 作者在写RLHF教科书时发现,LLM在长文非虚构写作上进步缓慢,与编码、数学等领域的超人类表现形成鲜明对比。
- 模型擅长单句或局部修改,但难以组织整章内容,错误会累积,缺乏全局连贯性,这限制了其自主解决开放科学问题的能力。
- 作者认为,写作能力是AI科研进步的天然前提,当前模型在知识组织上的熵增问题,意味着未来仍需人类作为“向导”,AI更多是强大助手而非独立研究者。
原文:I wrote an AI textbook — how long until AI can do it better? · 作者 Nathan Lambert
🕸 顺着图谱继续读
- Reading today's open-closed performance gap — AI 基准测试的真相:为何单一分数掩盖了开源与闭源模型的真实差距?2026-04-20 · 共同涉及 Anthropic、RLVR、Nathan Lambert
- Jev: System One models for Prod, not God — with Diogo — InstructGPT 作者 Diogo Almeida 推出 Jev,主张用 2026-09-21 · 共同涉及 RLHF、RLVR
- GLM-5.2 is the step change for open agents — GLM2026-06-22 · 共同涉及 Kimi K2、Nathan Lambert
- 5 useful things you'll learn in my new post-training — Nathan Lambert 新书发布,提炼 RLHF 与后训练的核心直觉、历史2026-08-10 · 共同涉及 Nathan Lambert、RLHF