砸钱、堆算力、卷参数。
过去两年，AI圈信奉的唯一真理就是大力出奇迹。
但最近有个实验，直接把这套暴力美学按在地上摩擦。
研究团队搞了个叫 LittleLearner 的项目，结论相当扎心：大模型的智商天花板，在它吃第一口训练数据的时候，就已经死死焊住了。
不管后期怎么微调、怎么加参数，都突破不了这个上限。
说实话，现在的大模型基本都是大杂烩喂出来的，互联网上的垃圾和精华一锅炖。
这导致一个致命盲区：你根本不知道模型是真的学会了，还是仅仅背下了答案。
为了搞清楚这件事，LittleLearner 团队做了一个极其严苛的控制实验。
他们从 FineWeb-Edu 数据集里，硬生生筛出了 880亿个 token。
过滤标准极其变态：只保留美国小学五年级及以下的课程知识。
超过五年级的概念、事实、词汇，一律剔除。
随后他们用这批小学教材，从零开始训练了 0.6B、1.3B、5B 三个规模的模型。
暴力美学失效，大力出不了奇迹
模型训出来了，好戏才刚开始。
团队想看看，如果给这个小学生模型用上业界最顶级的优化手段，它能不能无师自通，解出初中甚至高中的题？
结果挺打脸的。
扩大模型参数，没用。 5B模型在五年级题目上表现更好，但遇到超纲题依然抓瞎。
后训练微调，没用。 哪怕用上了 GRPO 这种强化学习手段，甚至偷偷喂点超纲数据，它也只能在小学知识圈里打转。
提示词工程，更没用。 你就算把 Prompt 写出花来，也激发不出它超越五年级的推理能力。
预训练的数据过滤器，直接画了一个圈。
模型在这个圈里能蹦跶得很欢，想跨出圈外一步，门都没有。
个人觉得，这个发现挺颠覆常识的。我们总以为模型大了就会涌现出高级智能，但实验证明，没见过的东西，它死活也变不出来。
不会说不知道的AI，像个绝望的做题家
有意思的是，这个实验还炸出了大模型一个隐藏很深的性格缺陷。
在评论区，有个老哥吐槽得很精准：LLM 最大的问题，是它们似乎永远学不会说不。
你问一个8岁小孩量子纠缠是什么，小孩会翻个白眼说：我不知道，这又不是个东西。
但你问 LittleLearner，哪怕它只学过小学课本，它也会硬着头皮给你瞎编一段粒子瞬间死亡的鬼话。
哪怕你问它天空为什么是蓝的，它也会强行吐出瑞利散射这种超纲词汇。
这就挺让人无语的。
模型缺乏基本的元认知，它根本不知道自己不知道。
为了讨好用户，它宁愿胡说八道，也不愿承认知识盲区。
这种无脑附和的做题家心态，长期来看极其消耗用户的信任。
我们想要的是能平等交流的助手，绝非满嘴跑火车的全知全能神。
戳破百亿估值泡沫的残酷真相
如果把视线拉回商业世界，这个实验的结论简直是一记重锤。
有网友在评论区直言不讳：这对 OpenAI 和 Anthropic 来说，是个相当悲观的信号。
现在前沿实验室的估值动辄几百上千亿美元，支撑这个估值的底层逻辑，是相信 Scaling Law 会持续生效，相信模型越大越聪明。
但 LittleLearner 的实验暗示了一个残酷现实：智能不会凭空涌现，模型有多聪明，完全取决于它吃进去的数据有多好。
如果预训练数据的质量和内容边界锁死了模型的能力上限，那单纯砸钱买显卡、堆参数的边际收益，迟早会断崖式下跌。
这也解释了为什么现在大厂都在拼命洗数据、找高质量合成数据。
因为大家心里都清楚，互联网上的高质量人类文本，快被榨干了。
当小学课本喂完，下一步该喂什么？
这点我不太认同那些盲目乐观的投资人，靠烧钱堆出来的护城河，其实比想象中脆弱得多。
LittleLearner 团队把模型开源了，还留下了几个很有意思的坑。
比如能不能用强化学习让模型自己发现新知识？
或者给模型引入负数的概念，看看它会不会和人类小孩犯一样的错？
机器和人类的学习机制，到底差在哪？
这些问题，或许比单纯刷榜跑分有价值得多。
当潮水退去，我们终究要面对一个最朴素的疑问：
如果AI的智商上限由数据决定，那人类智慧的护城河，究竟还剩多少？
【锐评】：以为大力能出奇迹，结果发现大模型只是个背熟小学课本的绝望做题家，连句“我不知道”都学不会。
参考链接：
https://littlelearner-ll.github.io/