我写了一本 AI 教科书--AI 还要多久才能写得更好？

作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数学等任务已接近超人水平。

模型能改错字、做编辑，但组织整章内容时仍混乱且易出错，作者认为这阻碍了模型自主解决开放科学问题。

作者反思LLM在长文非虚构写作上进展停滞，而编码数学已超人，认为这阻碍AI自主解决科学问题。

• 作者反思LLM在长文非虚构写作上进展停滞，而编码数学已超人，认为这阻碍AI自主解决科学问题。
• 原贴提到：作者在完成一本 RLHF 教科书后反思，LLM 在长文非虚构写作上进展停滞，GPT 4.5 和 Kimi K2 等写作强模型已显老旧，而编码、数
• 来源：interconnects.ai

这是一个信号：AI能力发展严重不均衡。在编码、数学等任务上，LLM已接近超人水平，但在长文非虚构写作这类需要全局结构组织和逻辑连贯的任务上，进展明显滞后。GPT 4.5和Kimi K2等以写作能力著称的模型，在作者眼中已经“老旧”，说明迭代并未有效突破这一瓶颈。

为什么重要？因为长文写作能力是AI自主解决开放问题的关键。无论是科学研究还是复杂报告，都需要模型能够自行组织长篇幅的完整论述。如果模型只能改错字、做局部编辑，而无法把握章节结构，那么AI在知识生产领域就仍然只能充当辅助工具，无法真正独立完成创造性工作。

对谁有价值？对AI研究人员来说，这是一个值得聚焦的研究方向，可能需要新的架构或训练范式；对内容创作者和企业，它意味着全自动生成高质量长文仍有距离，需要人机协作；对教育工作者和科学家，这提醒我们AI在深度思考上的短板，不能盲目依赖。

可以怎么行动？一方面，可以建立专门评估长文结构能力的基准，引入更多人类创作的数据；另一方面，在使用AI时，可将写作任务拆解为大纲生成、章节撰写、整合修订等步骤，配合人工控制流程。还可以尝试用AI辅助生成章节要点，再让人类完善。

风险或限制：当前表现可能不代表模型天花板，而是评估方式或训练目标的偏差。另外，长上下文和链式推理技术的进步，或许在不久后就能缓解这一问题。但在那之前，低估AI写作的难度或高估其能力，都可能带来决策失误。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 interconnects.ai 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《我写了一本 AI 教科书--AI 还要多久才能写得更好？》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Nathan Lambert：Interconnects（RSS） 原帖