# Nathan Lambert 写了本 AI 教科书，但模型至今写不好长篇技术内容

> 原标题：我写了一本 AI 教科书--AI 还要多久才能写得更好？

- 来源：AI HOT 精选
- 发布时间：2026-08-12T13:01:16.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/50250
- 原文：https://www.interconnects.ai/p/i-wrote-an-ai-textbook-how-long-until

## 摘要

Nathan Lambert 刚写完他的后训练教材《从人类反馈中强化学习》。他用大模型帮忙排版、校对和画图，但一让模型写完整的技术章节，输出就混乱、组织差，还会犯随机的概念错误。他认为，即使模型在编程和数学上已经超人，长篇非虚构写作能力却停滞了。文章没给具体跑分，但 Lambert 指出，主要卡在缺乏好的训练数据，而且推理阶段的算力堆叠对写作帮助不大。...

## 推荐理由

Lambert 用自己的教材做了一手实验，给出了具体的失败案例和数据缺口诊断，三个维度都踩中了。扣分点在于：没有量化基准，是个人经验而非系统研究，后半段有点泛泛地聊能力。整体在 featured 档里算中等偏上。

## 锐评

Lambert 用自己的写书经历给“模型很快能自主搞科研”泼了盆冷水。他让大模型帮忙排版、校对、画图都还行，但一让模型写完整的技术章节，输出就乱套，组织差，还会随机犯概念错误。这暴露了一个尴尬的现实：模型在编程、数学这类有明确对错反馈的任务上进步飞快，但在需要组织已有知识、形成连贯论述的长篇写作上，进步几乎停滞。

文章没给具体跑分，但 Lambert 点出了核心瓶颈：缺高质量的训练数据。写代码可以跑测试验证，写文章的好坏却很难自动评判，导致模型学不到怎么把一堆已知信息压缩成有洞察的叙述。推理阶段堆再多算力，也只是在已有能力上打转，解决不了根本的组织混乱问题。

这点值得警惕。如果模型连把现成的、成熟的知识讲清楚都费劲，那指望它短期内自主做出开创性科学发现，确实还差得远。不过 Lambert 也说了，模型作为科学家的辅助工具依然很强，只是别把“辅助”和“自主突破”画等号。