Lilian Weng(2026-07-04,自家部落格):現在人類幫模型「搭工作環境」(harness)做的那些事,終究會被模型自己學會;但「告訴模型要做什麼」這件事,永遠不會消失。

本篇出自 2026年7月12日 晨報

前 OpenAI 安全研究負責人、現正創業的 Weng,讀完 35 篇論文寫成綜述(原文,2026-07-04;圈內迴響)。她的意思拆開來說:harness 就是「怎麼給模型工具、怎麼劃它的邊界、怎麼驗收它交的東西」——這些現在靠人搭的功夫,會慢慢被模型內化;但「這次到底要解決什麼問題、放在什麼脈絡下」這個定方向的動作,得由人來下。連「AI 自我改進」這種最科幻的題目,實際發生的地方也是在改工具、改驗收,不是模型自己改自己的腦。

它接住本報哪條判斷:與今日主線第 2 點 Modal 的第一線實況同向(自動化發生在外圍苦力層,不在核心研究層),也是今日主線第 5 點共識的第三個獨立原點。折扣:她正在創業,文章方向與自家利益相關 — 框架照用,樂觀程度打折。

同類最新

• 大神觀點 2026年7月27日 1 條來源

  Lambert 解讀 Opus 5 為何追得上旗艦

  Nathan Lambert 對 Opus 5 追平旗艦給出機制解釋:他認為關鍵是「更快的迭代速度＋規模化強化學習(RL)」,而旗艦模型「反而還太大、還沒法同樣做 RL」。若這個解…

• 大神觀點 2026年7月26日 1 條來源

  Dwarkesh Patel 上月那組「RL 資料產業」論述，今天逐句對完帳：哪些字坐實、哪些字是前瞻，切開了。

  Dwarkesh Patel 是獨立科技訪談者與作者，其 AI 產業深度論述常被業界轉引。他 6 月的文章主張：每個要教給模型的技能，背後對應至少數百位人類專家寫示範與評分標準；專…

• 大神觀點 2026年7月25日 1 條來源

  Ben Thompson 對 Kimi K3 恐慌唱反調：威脅不新，前沿實驗室的優勢仍然真實。

  Thompson 是科技戰略電子報 Stratechery 的作者、產業判讀最受引用的分析者之一。在華府與華爾街同聲恐慌的一週，他的判斷反著走：中國開源模型的威脅並不新；前沿實驗室…

• 大神觀點 2026年7月24日 1 條來源

  Wharton 教授 Ethan Mollick：要用 AI「做真正的工作」，實務上只剩兩個選項；分水嶺不在模型，在配套。

  Mollick 是賓州大學 Wharton 商學院教授，企業界讀者最多的 AI 實用主義評論者。他以第一手實測給出 2026 下半年的判讀：要拿 AI 做真工作，實務選項只有 Ch…