如果LLM从未接触过五年级以上的内容，会发生什么？
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。
标签： AI
如果LLM从未接触过五年级以上的内容，会发生什么？
Hacker News 上的一个帖子用“如果 LLM 从未接触过五年级以上内容”的设问，带出了当前大模型的一个普遍问题：它们几乎从不承认“不知道”，总是用绝对肯定的语气作答。这个现象背后是“讨好用户”的训练倾向，也直接影响用户对 AI 的真实信任度。
Hugging Face says developers made 151K+ derivatives based on Qwen models, topping others, making Qwen one of the largest foundations in the open model ecosystem (Hugging Face)
Hugging Face披露，开发者基于Qwen模型创建的衍生模型已超过15.1万个，数量位居平台所有模型家族之首。这意味着Qwen已经不只是“一个好用的开源模型”，而是正在成为开放模型生态的基础设施层。
issue: RAG / Knowledge base ignored when tool calling is “default”
该报错发生在 Open WebUI 使用 Native（默认）Function Calling 时，RAG/Knowledge 检索被静默跳过，模型不会自动查询知识库；切换到 legacy 工具调用模式后知识库检索恢复正常，但日历等工具失效。优先排查 tool calling 模式与内置检索工具（b
Errors in tool-call/code-interpreter continuation rounds are silently swallowed (empty assistant message, no error shown)
在 Open WebUI 中，当模型在多轮原生工具调用（tool-call）或代码解释器（code-interpreter）的“续聊轮次”（continuation round）中抛出异常时，错误会被 silently swallowed（静默吞掉），导致聊天以空的助手消息结束，前端不显示任何错误，
issue: Very high CPU 24×7 after upgrade v0.9 – v0.11 and few attempts to use subagents
该报错通常发生在从 v0.9.6 升级到 v0.11.0 之后，系统空闲时 Open WebUI 进程持续占用高 CPU（80%-230%），且与 subagents 活动无明显关联。优先排查 v0.11.0 新增的 timer 轮询机制，可通过设置 TIMER_POLL_INTERVAL=60 环
Fields Medalist Timothy Gowers says most famous mathematics problems solved by LLMs so far have almost all been with counterexamples rather than proofs (Timothy Gowers/Gowers’s Weblog)
菲尔兹奖得主 Timothy Gowers 在其博客中观察到一个关键现象——目前大语言模型（LLM）解决的著名数学问题，几乎都是通过构造反例完成的，而非提供严格证明。这个判断为评估 AI 在数学推理中的真实能力提供了一个重要参照。
Photoroom AI 照片编辑器评测：一键神器，让你的电商商品照片脱颖而出
AI 图片编辑平台 Photoroom 发布新版评测，其 AI 工具在电商商品图处理方面表现亮眼，能将普通照片快速转化为更具吸引力的专业商品展示图，但它以“AI 积分”为核心的消耗模式，也提示了这类工具背后的真实使用成本。
Novelens.ai
Novelens.ai 是一款在 Product Hunt 上亮相的 AI 视觉相关产品，目前公开信息显示它试图将大模型能力带入图像与视频的内容生成流程。它值得关注的点在于：AI 图像生成赛道仍然在快速迭代，新进者正试图从细分场景切入，而非与头部模型正面竞争。
Mbason-ai
Mbason-ai 是一个刚在 Product Hunt 上出现的 AI 产品页面，目前公开信息极少。它选择这条渠道首发，意味着团队希望优先触达开发者和早期用户，后续发布内容值得关注。