一句话看懂：一个名叫 LittleLearner 的研究项目，只让大模型学习美国小学 K-5 课程内容，结果发现：扩大模型规模、后训练和上下文学习都只能放大“学过的知识”，无法突破预训练数据设定的能力边界。这个实验为“大模型的能力到底是从哪来的”提供了一个难得的受控证据。
事件核心：发生了什么
LittleLearner 是由科研团队发起的一个开源研究项目，核心方法很直接：把训练数据本身变成实验变量。研究者从 FineWeb-Edu 语料中，按照美国 Common Core 课程标准过滤出一个约 880 亿 token 的 LittleCurriculum 数据集，只保留 K-5（幼儿园到五年级）阶段的概念、事实和词汇，明确排除五年级以上的内容，并用它从头训练了 0.6B、1.3B、5B 三个规模的模型，同时提供架构、数据量和训练方法完全一致的“未过滤对照模型”。
在 MathCAMPS 数学评测上，他们测试了三种常见干预手段：扩大参数量、SFT+GRPO
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
