前沿在动什么

前面几层讲已经能用的东西，这一层讲还在动、没定下来的。

前三层和这一层的区别在哪

L2 那层我讲过模型内部是怎么运转的——分词、注意力、训练、上下文。那是已经定型的东西，你今天学到的十年后还成立。

这一层不一样。我举个例子：2025 年 3 月 arXiv 上那篇长思维链综述（arXiv:2503.09567），第一次发出来的时候已经把版本改到第五版了。同一篇综述，一年多改五版，本身就说明这块地还在动。

所以这一层有个特别的规矩：每页我都会告诉你这个结论的成立范围。凡是比较新的研究，我会写明「尚未被广泛复现」或者「仅在特定基准上成立」。你读的时候也照这个来——看到一句很厉害的话，先找它的限定条件在哪。

41 页讲推理模型——会先在内部想一串步骤再作答的模型。

42 页讲智能体——模型自己决定调哪个工具，把一整串任务做完。

43 页讲多模态——能看图、能听声，也能生成图和视频。

44 页讲具身智能——把前面这些装进一台真机器人。

45 页讲效率路线——蒸馏、量化、稀疏、缓存，怎么把模型压小压快。

46 页讲可控与安全研究——怎么约束模型行为，以及评测为什么容易骗人。

47 页讲前沿与未解问题——截至 2026 年 9 月公认还没解决的几件事，也是我敢下判断的一页。

48 页讲怎么真的读懂一篇论文，一套十分钟能跑完的方法。

我把这八页里最能说明问题的三个数字先放出来，你带着它们往下读会更有感觉。

第一个，不到 10%。2026 年 4 月一个专门测长链条推理的基准（arXiv:2604.14140）里，最好的模型在需要几十万步推理的题上正确率不到十分之一。这说明瓶颈已经不在「单步会不会」，在「几千步不出错」。

第二个，23.1%。2024 年 6 月那个在真实、每天都在变的网站上测智能体的基准（arXiv:2406.12373），最好的成绩是这个数。演示视频里的智能体和这个数字之间的差距，是这一层最大的误会。

第三个，100 到 1000 倍。2026 年 6 月一篇综述（doi:10.20944/preprints202606.0400.v1）指出，机器人学一样东西需要的样本数比人差这么多倍。这个差距是实打实的实验次数，不是算力堆得不够。

我说一个可能不太对的看法。

我觉得这一层最容易被高估的，是「智能体已经能干活了」和「机器人快进屋了」这两件事。理由就是上面第二和第三个数字——一个是成功率，一个是要试多少次。这两样都不是靠模型再大一点就能跨过去的。

我觉得可能被低估的，是最后一页讲的那件事：你自己有没有一套判断论文的方法。这一层每年出的论文量极大，绝大多数我读了也用不上。会读，比会追更划算。

先随便翻两页，记下你看到的每一个百分比。不用记别的，就记数字和它出现的那句话。

然后回头看看：这几个数字分别在什么基准上测的？有没有一个对照组？换一批题还成立吗？

这个练习我在写这一层的时候自己做了很多遍，做完之后最大的收获不是结论，是反应速度——看到数字先问「在哪儿测的」，这个习惯比记住任何一条结论都值钱。

那就从最热的那件事开始：模型现在会先想一串步骤再回答你了。

名录来源：本文综合 arXiv cs.CL、cs.AI、cs.LG 与 CrossRef 检索，2026-09-29。