82
1Nathan Lambert 是 AI 后训练领域的知名研究者，Interconnects 博客的主理人，曾任 Allen Institute for AI（AI2）研究员，现于创业公司深耕强化学习与语言模型。他在这篇文章中复盘了自己在 AI 辅助下写书的全过程。
他的核心洞察，相信很多读者也深有体会：过去一年，新模型层出不穷，代码能力、agent 任务表现越来越强，但写作与表达能力却停滞不前。模型能把一个句子改对、能揪出藏在两三百页书稿里的错别字，但让它写一整章，就会措辞混乱、结构松散、时不时冒出概念性错误。AI 的文字越来越有一种"不说人话"的塑料感——流畅，却没有人味，缺乏观点与灵魂。
Lambert 认为，原因不在于写作被忽视，而在于写作本身就难：好的写作需要组织知识、生成洞见，而模型只会往长文里增加熵，无法回溯全局、把各个组件串起来。他对模型的定位因此非常务实：做一个好用的编辑和辅助工具，比如排版公式、整理批注、迁移版本，而不是代替人来表达。他预测，未来 2-5 年内最好的教科书仍将大量出自人手——这个期限，已经比许多人预想的要长了。
原文链接：www.interconnects.ai
