写完一本RLHF教科书之后，Nathan Lambert最直接的感受不是大语言模型又进步了多少，而是它在长文非虚构写作上几乎停在原地。GPT-4.5和Kimi K2这些曾经被当作写作强手的模型，放到今天已经显出一股旧气；编码、数学等可验证任务却在不断逼近超人水平。两相对照，问题不在模型词汇贫乏，而在它组织长篇幅内容时仍会失控。
Lambert的观察很具体：模型可以改错字、压缩段落、做局部编辑，但一旦要求它把整章内容搭成一条连贯的论证线，就开始重复、跑题、丢失前文线索。这不是知识储备不够，更像信息熵在长文里不断累积。段落越长，结构和逻辑的稳定性下降得越快，前文埋下的伏笔到后文往往不知所终。那些在短文本里被掩盖的混乱，在书籍尺度下会被放大成硬伤。
这种停滞比想象中更关键。如果模型无法在长文写作中保持论证纪律，那么让它自主提出并解决开放科学问题就还早。科学问题不是选择题，它要求长链条因果、证据组织和对例外情况的持续处理。现在模型能改稿、能推理局部步骤，但距离独立成章、成书、成研究纲领，还有一道很实的门槛。
