一句话看懂：AI 领域知名研究者 Nathan Lambert 在完成一本强化学习（RLHF）教科书后复盘发现：大模型在长文技术写作上的能力几年几乎没有进步，与它在代码、数学上的飞跃形成鲜明对比。这说明模型在“组织已知知识并有效呈现”这类核心能力上存在短板，也挑战了外界对 AI 近期独立解决开放式科学难题的乐观预期。
事件核心：发生了什么
Nathan Lambert 于 2026 年 8 月在个人博客 Interconnects 发文，分享了他在撰写《Reinforcement Learning from Human Feedback》教科书过程中的观察。这本书由 Manning 和 Amazon 出版，他使用大模型辅助处理 LaTeX 格式、copyediting、绘制 TikZ 图表等，但在全程深度使用后得到一个明确结论：模型在长文技术写作上“确实糟糕”——单句可以写对，但整章输出会出现组织混乱、用词令人困惑、结构模糊的问题。
他指出，即使到了 2026 年，公认写作能力最好的模型仍是 OpenAI 的 GPT-4.5 和 Moonshot 的 Kimi K2 等相对较老的模型。同一时期，模型在编码、数学等任务上已从“尚可”跃升到“超人类”，在搜索和研究类任务上也有了明显改观，唯独高质量写作进步平缓。他认为这不是被忽视，而是这项任务缺乏可干预的高质量训练数据，且推理时扩展（inference-time scaling）尚未在写作上带来显著突破。
为什么重要
这件事的意义不在于“AI 写不好文章”，而在于它暴露了模型能力分布的不均衡。Lambert 的核心判断是：写作是一种“压缩”——把既有知识组织成有逻辑的结构，这恰是产生洞察的前提。如果模型连成熟领域中的教科书级内容都无法条理化呈现，那“让 AI 自主解决开放式科学难题”的预期就需要打上问号。
一个值得注意的背景是：就在同一天，Anthropic 发布了 Claude 在黎曼猜想相关问题上取得进展的博客。Lambert 对此保持审慎，认为科学问题覆盖面极广，现有模型的实际覆盖能力被许多人高估了。这个观点提醒我们：AI 在数学等边界清晰、验证机制明确的任务上快速突破，并不等同于它在开放性强、需要长期推理与知识组织的任务上同样可靠。
对用户/开发者/创作者的影响
对创作者：不要把大模型直接当作“整书写手”，更可靠的方式是定位为“章节级编辑器”——让模型处理润色、格式、局部重写，而把结构设计和论点推进留给自己。当前模型的写作天花板决定了它更适合做辅助工具，而非代笔。
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。
对开发者：写作能力的瓶颈提示了一个潜在的技术机会：如何为长文写作设计专门的训练环境、评估标准和推理时扩展机制，目前仍是空白。Claude Code 这类专用 harness 可能带来局部改善，但 Lambert 认为难以产生“乘法级”的能力提升，这块存在真实的研究空间。
对依赖 AI 做科研的团队：需要重新校准预期。模型在文献整理、跨领域联想、低垂果实型发现上依然有用，但把它们当作能自主推进长线科学问题的“研究代理”还为时过早。
值得关注的后续
一是看 GPT-5 及下一代模型是否会在长文写作上专门投入训练数据，而不只是依赖通用能力的“外溢”；二是观察“写作型推理扩展”是否会出现，也就是让模型在输出前进行更长的内部规划，类似 o1 在数学上的思路；三是关注 Anthropic 等在数学推理上的进展能否真正泛化到更开放、更混乱的知识任务中——目前公开信息显示，这两个方向上都没有明确的落地时间表。
