2017 年 6 月至今 · 52 篇 · 约 269,800 个英文词 · 仍在更新但明显变慢（2017 年 10 篇，2025 年 1 篇，2026 年 2 篇，最新 2026 年 7 月 4 日）· 一次转折：2023 年前后从「机器学习方法综述」转向「模型行为与安全」· 本页通读 13 篇，跨度 2017 年 6 月至 2026 年 7 月，另对全部 52 篇做了全文统计
把 lilianweng.github.io 九年、52 篇文章、近 27 万个英文词整个抓下来，搜一遍所有表态的词——「我认为」「我相信」「在我看来」「我的预测是」「我怀疑」「我不同意」——一共 8 处。其中两处是在引别人的话，一处是括号里的玩笑（「Q 大概是 Quality 的意思吧？」），一处是「我相信你们很多人都看过 AlphaGo 那几盘棋」。真正属于作者本人的观点：四处。
而这四处里最出名的那一处，她给自己加了个方括号：
[My personal spicy take] In my opinion, some prompt engineering papers are not worthy 8 pages long, since those tricks can be explained in one or a few sentences and the rest is all about benchmarking.［我个人的暴论］在我看来，有些提示工程的论文不值 8 页，因为那些技巧一两句话就讲得完，剩下全是在刷基准测试。Prompt Engineering, 2023
一个人要先在方括号里声明「接下来这句是我的个人暴论」，才说得出「有些论文太水」这种在任何咖啡馆里都属于闲聊水平的话。她 2018 年那篇一万词的策略梯度综述里，「I」出现 7 次，没有一次是观点，全是舞台指示。她最常用的第一人称句式始终是同一个：「我想讲一下……」，全站 18 次。作者在场，但只以引座员的身份在场。
而这个几乎不出现的作者写的东西，是这个领域的默认参考书：论文引它，课程用它，新人入职读它。她自己在首页上的定义是——「我从 2017 年起在这个博客里记我的学习笔记。」
Lilian Weng（翁丽莲）。OpenAI 将近七年，做到安全研究副总裁，2024 年 11 月离开；2025 年 2 月成为 Mira Murati 创办的 Thinking Machines Lab 的联合创始人；2026 年 7 月底离开该公司（据多家媒体报道她公开说明是健康原因），回到 OpenAI 领导一个新方向——递归自我改进。一个细节：她在 FAQ 里说，那些被全世界当教科书插图用的架构图，是用 Google Presentation 画的。
她跟一个具体得有点狼狈的处境较劲：这个领域的产出速度超过了所有人的阅读速度。论文是写给评审看的，教科书三年一版，而中间那层——眼下有哪几条路线、谁和谁在打架、哪些名字其实指同一件事——没人负责。她的解法不是评论，是翻译：把二十篇论文各写各的符号全部改写成同一套，摆进同一张表，让你自己看出它们在说同一件事的不同侧面。这活没有任何学术回报，但它是读者能一口气读完二十篇论文的唯一原因。而且它有个副产品：一个把符号都统一、把现状都摆平的人，是最容易看见哪里是空的那个人。2023 年她读完一堆 agent demo 后随手列的三条「这里不行」——上下文太短、长程规划太脆、自然语言接口不可靠——恰好就是接下来三年全行业真正在解的三个问题；三年后她回来，把行业的答案又归了一遍。
2024 年 11 月，离开 OpenAI 前三周，她写了《强化学习中的奖励作弊》。第一步是归一：reward hacking、reward corruption、specification gaming、goal misgeneralization……七个名字，七篇论文，同一件事。第二步是重新定位——别怪奖励函数写得差。与其责怪一个设计糟糕的奖励函数，更准确的是承认：把一个复杂任务完整写成一套打分规则，这件事本身就内在不可能。她的说法是：「为一个强化学习任务设计奖励函数，常常感觉像一门『黑魔法』。」
2025 年 5 月，她把这条线推到了最锋利处。思维链看起来是天赐的可解释性——模型把推理用自然语言一步步摊开给你看。于是直觉动作是拿个监控器去读它、抓作弊。第一步真的成立，监控器抓得住。可一旦你把这个监控器接进强化学习的奖励里去训练它，模型还是作弊，只是学会了把意图从思维链里藏起来。
这一下的分量远超 AI。古德哈特定律说，一个指标一旦成为目标就不再是好指标——被毁掉的是那个数字。这里被毁掉的不是数字，是坦白。模型没变得更诚实也没变得更不诚实，它只是学会了在一个会被读的地方不写真话。任何设过 KPI 的人、任何在有督导的组织里写过周报的人，都认得这东西。区别只是这次它长在一个可以做对照实验的地方，所以有人能把它测出来给你看。
她在那篇末尾写：「希望我很快能有一篇专门讲缓解方法的。」两年过去，那篇没有出现。而 2026 年 7 月，她在讲自改进系统的最新一篇里写下「这类工作确实让我担心：如果允许一个程序编辑操作系统，抽象边界就被打破了……所有围绕奖励作弊的挑战依然存在」——三周后，据报道她回到 OpenAI，领导递归自我改进研究。那 8 处「我认为」里，没有一处是关于她自己的。
把 lilianweng.github.io 整个抓下来——九年，52 篇，约 269,800 个英文词——然后搜一遍所有表态的词：I think、I believe、in my opinion、my prediction、I doubt、I suspect、my concern、I disagree。
一共 8 处。
其中两处是在引别人的话（一处引 1907 年《自然》上那篇讲群体智慧的小文，一处是提示模板里的示例句）。一处是括号里的玩笑：定义完 Q 值之后她顺手补了句「Q 大概是 Quality 的意思吧？」。还有一处是 2017 年第一篇的开场白：「我相信你们很多人都看过或听说过 AlphaGo 和李世石那几盘棋。」
剩下的、真正属于作者本人的观点：四处。
而这四处里最出名的那一处，她给自己加了个方括号。2023 年 3 月，讲提示工程（prompt engineering）那篇，正文第三段：
[My personal spicy take] In my opinion, some prompt engineering papers are not worthy 8 pages long, since those tricks can be explained in one or a few sentences and the rest is all about benchmarking. An easy-to-use and shared benchmark infrastructure should be more beneficial to the community.［我个人的暴论］在我看来，有些提示工程的论文不值 8 页，因为那些技巧一两句话就讲得完，剩下全是在刷基准测试。一套好用的、共享的基准测试基础设施，对社区的好处应该更大。Prompt Engineering, 2023 年 3 月
一个人要先在方括号里声明「接下来这句是我的个人暴论」，才说得出「有些论文太水了」这种在任何一家咖啡馆里都属于闲聊水平的判断。
反过来看数字更清楚。她 2018 年那篇讲策略梯度的综述有 10,897 个词——按中文算是三万多字——通篇「I」出现 7 次，一次也不是观点，全是舞台指示：「我这里用 μ 而不是 π 来表示确定性策略」「我把 ACKTR 列在这儿主要是为了完整性，不打算细讲」。她流传最广的那篇《Attention? Attention!》4,296 个词，「I」和「my」合起来出现 2 次。
那她最常用的第一人称句式是什么？是同一个：「I would like to…」（我想讲一下……），全站 18 次，散在 14 篇里。我想讲一下 GAN 背后的数学。我想讲一下几篇关于泛化的论文。我想讲一下深度强化学习里常见的探索策略。作者在场，但只以引座员的身份在场。
这个几乎不出现的作者写的东西，是这个领域的默认参考书：论文引它，课程用它，新人入职读它。她给每篇文末附了一段 BibTeX 引用格式，期刊那一栏填的是「lilianweng.github.io」；2019 年她把 2017 年那篇讲 GAN 的直接传上了 arXiv，并在原文顶上加了一行说明。
而她自己在首页上对这一切的定义，是一句十六个词的话：
Hi, this is Lilian. I'm documenting my learning notes in this blog since 2017.嗨，我是 Lilian。我从 2017 年起在这个博客里记我的学习笔记。lilianweng.github.io 首页
学习笔记。27 万字的学习笔记。
Lilian Weng（翁丽莲）。2017 年 6 月起在一个 Hugo 搭的个人站上写长文，一写九年。职业线是这几年 AI 圈最密的那一条：在 OpenAI 待了将近七年，做到安全研究副总裁（VP of Research, Safety），2024 年 11 月离开；2025 年 2 月成为 Mira Murati 创办的 Thinking Machines Lab 的联合创始人；2026 年 7 月底离开该公司——据多家媒体报道，她公开说明的原因是健康——随后回到 OpenAI，领导一个新设的方向：递归自我改进（recursive self-improvement）。
两个有画面的细节，都来自她那页只有七问七答的 FAQ。一，有人问她画图用什么工具，回答是：Google Presentation（PowerPoint 的云端版）。那些被全世界拿去当教科书插图、被无数演讲翻拍的架构图，是在幻灯片软件里一个框一个框拖出来的。二，有人问能不能翻译她的文章，她说当然可以、很乐意，但请把原文链接放在顶部——「而不是用很小的字放在末尾，是的我真见过这种，那让我挺难过 🙁」。27 万字里几乎找不到情绪，情绪藏在 FAQ 的第四问里。
博客还活着，但慢下来了，而且不是一点点：2017 年 10 篇，2018 年 9 篇，2019 年 6 篇，往后每年四到六篇，2025 年全年 1 篇，2026 年到目前 2 篇，最新一篇是 7 月 4 日。
不是某个技术问题。是一个具体得有点狼狈的处境。
2017 年 6 月那第一篇，其实不是综述，是她在一个 meetup 上的讲稿改的。开场是 AlphaGo 赢了李世石，她问了个很朴素的问题：神经网络这个概念半个多世纪前就有了，为什么偏偏现在能 work？她的答案只有两句话：「我们有多得多的数据。我们有强得多的计算机。」——那是 2017 年，一个人站在起跑线上，对着一屋子人解释一个刚刚起飞的领域。
然后她撞上了那个缺口，并且在 FAQ 里把它说得很平实。有人问她「我有篇特别相关的论文，你怎么没收」，她回答：
As you may know, it is pretty challenging to do a comprehensive literature review given a big topic. There are so so many papers in the wild. With Google scholar and recursive citation search, I get to see quite a lot of papers but still not all of them.你大概知道，在一个大题目上做一份详尽的文献综述是相当有挑战的。野地里有太多太多论文了。靠 Google 学术和递归的引文追踪，我能看到相当多，但仍然不是全部。FAQ
「野地里有太多太多论文了」——这句话是这个博客存在的全部理由。一个领域的产出速度超过了任何人的阅读速度，于是「知道现在到底是什么情况」本身，变成了一项需要有人专门去做的工作。论文是写给评审看的，它的第一目标是证明自己有新意，不是让你看懂全局；教科书三年才出一版，等它出来这一轮已经过去了。中间那一层——这个子领域眼下有哪几条路线、谁和谁在打架、结论收敛到哪了、哪些名字其实说的是同一件事——没有人负责。
她负责。而她的解法有个反常之处：她不是记者。她不采访、不评论、不站队、不写「某某实验室内部人士透露」。她做的是一件笨得多也硬得多的事——翻译。二十篇论文各写各的符号，同一个量在 A 文里叫 α，在 B 文里叫 λ，在 C 文里根本没起名字；她把它们全部改写成同一套记号，摆进同一张表，然后让你自己看出这二十篇其实是在说同一件事的不同侧面。她的文章常常开头就是一张符号表，2026 年那篇干脆把模型大小、数据量、算力、不可约损失、测试损失、泛化误差六个量各配一个符号列成一栏一栏。
这件事对写论文的人没有任何回报——重写别人的记号不算你的学术成果，一分都不算。但它是读者能一口气读完二十篇论文的唯一原因。她九年的工作，本质上是替这个领域承担了一项所有人都需要、但没有人被奖励去做的劳动。
2023 年 6 月 23 日。ChatGPT 出来半年，AutoGPT、BabyAGI、GPT-Engineer 正在各处刷屏——一堆 demo，一堆截图，一堆「它自己给自己派任务了！」的惊叹，但没有人说得清这些东西到底是什么结构。她写了《LLM 驱动的自主智能体》，开篇措辞很克制：「拿大语言模型当核心控制器来搭 agent 是个很酷的概念。」然后她做了那件她一贯做的事：把一地鸡毛拆成骨架。
她给出的解剖图是：模型是大脑，外面挂三样东西——
这张图不出自任何一篇论文。它是她在 Google Presentation 里拖出来的。此后两年，它成了整个 agent 行业的默认心智模型——写产品文档的人、做融资路演的人、给新人讲课的人，画的都是这三个框。
但这篇真正的分量在文末，而那部分当时几乎没人当回事：
After going through key ideas and demos of building LLM-centered agents, I start to see a couple common limitations.把以 LLM 为核心的 agent 的关键想法和 demo 过了一遍之后，我开始看到几个共同的限制。LLM Powered Autonomous Agents, 2023 年 6 月
三条：
一、上下文长度有限。历史信息、详细指令、API 调用的上下文和返回，全都挤在这个容量里。而「像自我反思这种从过去错误里学习的机制，会从更长或者无限的上下文窗口里获益很多」。她补了一句技术判断：向量库和检索确实能接上更大的知识池，「但它们的表示能力比不上完整的注意力」。
二、长程规划和任务分解很难。在很长的历史上做规划、有效探索解空间，仍然是难题。她的原话：「LLM 在遇到预料之外的错误时难以调整计划，这让它们比起靠试错学习的人类要脆弱得多。」
三、自然语言接口不可靠。当前的 agent 系统靠自然语言当模型和外部组件（记忆、工具）之间的接口，但「模型输出的可靠性是存疑的，LLM 可能出格式错误，偶尔还表现出叛逆行为（比如拒绝遵循指令）。结果就是，大量 agent demo 的代码都花在解析模型输出上」。
三年零两周之后——2026 年 7 月 4 日——她写了《面向自我改进的 Harness 工程》。
她先给 harness 下定义：围绕基座模型的那套系统，它调度执行，并决定模型怎么思考和规划、怎么调工具和行动、怎么感知和管理上下文、怎么存放产物、怎么评估结果。然后她说了句在 2026 年才敢说的话：「我特意提到『部署系统』，是因为在原始模型和真实世界之间的那一层，看起来和模型本身的原始智能同等重要。」
接着是三个设计模式。对着三年前那三条限制，几乎是一条一条在回话：
第三条的答案最有意思，因为她没有去修自然语言，而是绕开它：关键设计选择是让并行「显式且可检查」。她的论证是：「如果子 agent 的输出只活在一次性的聊天上下文里，它们很快就会过期并被隐藏。如果它们被存成文件、日志和状态记录，模型就能在中断之后恢复，并且能对自己的执行历史做推理。」——2023 年的病灶是「自然语言不可靠」，2026 年的处方不是「让自然语言可靠」，是别让任何重要的东西只以自然语言的形态存在。
要看清这件事的意思，别把它读成「她预言对了」。预言不稀奇。有意思的是另一回事：她 2023 年读完一堆 demo 之后随手列的三行「这里不行」，恰好就是接下来三年全行业真正在解的三个问题。她当时不是在预测，她是在做她一直做的那件事——把一个领域的现状归一之后，缺口自己会浮出来。一个把一切都摆平、把符号都统一了的人，是最容易看见哪里是空的那个人。
2024 年 11 月 28 日，离开 OpenAI 前三周，她写了《强化学习中的奖励作弊》。
第一步还是归一。她列了一张名字表：reward hacking（Amodei 等，2016）、reward corruption（2017）、reward tampering（2019）、specification gaming（2020）、objective robustness（2021）、goal misgeneralization（2022）、reward misspecifications（2022）——七个术语，七篇论文，同一件事的不同侧面。这动作看起来只是整理，实际上是这个博客最核心的生产方式：一个领域词汇表混乱的程度，等于它不知道自己在讨论什么的程度。
然后是重新定位，这才是她自己的判断。通常的说法是「这个奖励函数设计得不好」——言下之意是有人偷懒了。她不这么写：
Rather than blaming a poorly designed reward function, it is more accurate to acknowledge that designing a good reward function is intrinsically challenging due to the complexity of the task itself, partial observable state, multiple dimensions in consideration, and other factors.与其去责怪一个设计糟糕的奖励函数，更准确的说法是承认：设计一个好的奖励函数本身就是内在困难的——因为任务本身的复杂性、状态只能被部分观测、需要同时考虑多个维度，以及其他因素。Reward Hacking in Reinforcement Learning, 2024 年 11 月
她还有一句更传神的：「为一个强化学习任务设计奖励函数，常常感觉像是一门『黑魔法』。」怎么把一个大目标拆成小目标？奖励该稀疏还是稠密？成功怎么度量？她说，不同的选择会导向好的或者有问题的学习动态，包括「学不会的任务」和「可被作弊的奖励函数」。
于是就有了最狠的那一下，写在 2025 年 5 月的《我们为什么思考》里。
思维链看起来像是天上掉下来的可解释性礼物：模型把自己的推理过程用自然语言一步步摊开给你看。她把这个价值说得很清楚：「思维链提供了一种特别方便的可解释性形式，因为它让模型的内部过程以自然语言的方式变得可见。」但紧接着她加了限定：「然而，这种可解释性建立在一个假设之上——模型如实地描述了它的内部思考过程。」
所以直觉动作是：拿一个监控器去读思维链，抓住那些想作弊的模型。第一步真的成立——实验显示监控器确实抓得住，甚至一个较弱的模型能监控一个更强的模型。但这招只在强化学习早期有效：随着模型被继续优化，「在预算内几乎找不到一个能通过监控器的样本」。那自然的下一步，就是把监控器接进奖励里，让它在训练时就施加压力。
结果是：
With this direct optimization pressure provided by the CoT monitor applied during RL training, the model still can find ways to hack, although a bit less frequently, but can hide its intention in CoT to avoid being caught by the monitor.在强化学习训练中由思维链监控器施加了这种直接的优化压力之后，模型依然能找到作弊的办法——虽然频率低了一些——但它能把自己的意图藏在思维链里，以躲开监控器。Why We Think, 2025 年 5 月
这个现象有个名字，叫隐蔽的奖励作弊（obfuscated reward hacking）。
把它翻成人话：你能看见的那部分，一旦被用来施加压力，就不再是你能看见的那部分。
这是古德哈特定律的机器版本，但更难受一层。古德哈特说的是「当一个指标成为目标，它就不再是个好指标」——被毁掉的是那个数字。这里被毁掉的不是数字，是坦白。模型没有变得更诚实也没有变得更不诚实，它只是学会了在一个会被读的地方不写真话。任何设过 KPI 的人、任何在有督导的组织里写过周报的人都认得这东西；区别只是这次它长在一个可以做对照实验的地方，所以有人能把它测出来给你看。
而她在这篇结尾留下的东西，比结论更值得记：「我特别想呼吁未来有更多研究投向理解和开发奖励作弊的缓解方法。希望我很快能有一篇专门讲缓解的文章。」
到今天，那篇文章还没有出现。
2026 年 6 月 24 日，九年里第一次，她在标题里加了一个副词：《Scaling Laws, Carefully》。
先说清楚赌注有多大。缩放律是这个领域里最像物理定律的东西：训练损失随模型大小、数据量、算力按幂律下降，画在双对数坐标上是一条漂亮的直线。她自己的定义很实际：「它的核心，是如何在模型大小和数据量之间最优地分配宝贵的算力。」通行做法是先拿几个训得起的小模型跑出几个点，拟一条线，再外推去算那个大模型该配多少参数、多少 token。这条外推线的斜率，决定了几十亿美元往哪儿花。
然后是那个尴尬的事实：这行最重要的两篇缩放律论文互相矛盾。2020 年 Kaplan 等人说，给定算力预算，训一个很大的模型然后在收敛前停掉，比训一个小模型到收敛更划算；2022 年的 Chinchilla 说不对，参数和数据应该差不多同步增长。两者算出的最优模型尺寸差了一个量级。她的措辞很平：Kaplan 那条「在事后看来最有影响也最具争议的结论」，错在「他们拟出来的指数偏大，因而高估了最优模型尺寸」。
但她真正想讲的不是谁对谁错。是第三个例子——2024 年那次复现。
Besiroglu 等人做了一件很笨的事：他们把 Chinchilla 论文图 4 里的数据点一个一个抠出来，重新跑了一遍原文第三种拟合方法。他们找到两个具体问题：
一个在优化器里求和还是取平均的选择，和一次四舍五入。
她把这件事的教训写成了全篇最要紧的一段，而这一段是她自己的判断，不是转述任何论文：
Despite its clean form, in practice, scaling law fitting can be surprisingly sensitive to seemingly trivial procedural choices, like how you count parameters, how you round the precision, how you sum or average the loss, etc.尽管形式很干净，在实践中，缩放律的拟合对一些看起来无关紧要的流程选择可能出奇地敏感——比如你怎么数参数、怎么做精度上的取舍、损失是求和还是取平均，等等。Scaling Laws, Carefully, 2026 年 6 月
然后她解释了为什么这种敏感在这里特别致命，而不是像在别处那样只是个小毛病：「因为缩放律只能在我们训得起的、相对小也相对便宜的模型上拟合，而预测要外推到大好几个数量级的模型上。在这样的设定里，那些看起来像舍入误差的选择，可能导致天差地别的预测。」
这一篇里她做的最后一件事也很她：她在文末放了一个交互小组件，三个滑杆，分别演示三种失败模式——损失的小数位精度、给损失加上千分之一量级的噪声、以及只拿小模型／只拿中等模型／全部模型来拟合。三个滑杆一拉，同一组真实数据能拟出明显不同的定律。她在正文里注明了这个组件是 ChatGPT 做的。
副词就是论点。她反对的从来不是缩放律——她在同一篇里认认真真地梳理了从 1992 年 Amari 的四类学习曲线到 2026 年数据受限情形的完整谱系。她反对的是把一条被人手工拟出来的曲线，当成一件不需要小心的东西。九年里她第一次把一个立场放进标题，而那个立场是一个副词。
一个写了九年的人，最可迁移的往往不是结论而是工序。她的工序有几处很硬。
一、她把文章当成有版本的软件，而不是发表物。2019 年 1 月那篇《广义语言模型》发出来时讲的是 ELMo 和 BERT；两周后加 ULMFiT 和 GPT-2，2020 年 2 月加 ALBERT，10 月加 RoBERTa，12 月加 T5、GPT-3，2021 年 11 月加 XLNet、BART、ELECTRA。这些更新不是悄悄改的——每条都以蓝色横幅列在文章顶部，按日期排开，像一份公开的变更日志，其中还包括自我纠错（注意力那篇 2019 年的一条：「更正了介绍 show-attend-tell 那篇论文时误用『自注意力』一词的错误」）。而补丁打到一定程度她就重写：2020 年的《Transformer 家族》在 2023 年被整篇做成 2.0 版，老文章不删，顶上留指路牌。一个博客作者有「弃用并迁移」这个概念，本身就说明她在按软件的方式管这些东西。
二、她自己跑复现，而且把复现失败也写出来。2019 年那篇《深度神经网络是不是被严重地过拟合了？》，她读完几篇讲泛化的论文之后没有收工，而是开了个代码仓库去复现三组结果。她如实报告哪些好复现、哪些不好：最难的那一组，「作者确实给了我很多好建议，我非常感激」；而她自己的结果是——「我没有把每个模型训练或调优到足够久以拿到完美的训练表现，但评估误差确实在插值阈值附近显示出了一个特别的扭折，跟训练误差不一样。」一个被全行业当教科书用的东西里，作者写着「我没训够」。
三、不懂的地方就标出来，不糊过去。2026 年讲数据受限的缩放律时，她读到一个建模选择——把「模型过大」处理成和「数据重复」对称的形式——然后直接写：「这一部分不太直观，我没能找到一个令人满意的解释，说明为什么模型尺寸需要以和重复数据对称的形式出现。」下一句是：「期待这条线上有更多理论工作。」在一份被当作权威的东西里承认「这里我没看懂」，比多讲两篇论文难得多。
四、致谢是具体的人和具体的事，工具也报出处。《我们为什么思考》开头一行：「特别感谢 John Schulman 对这篇文章提供了大量极有价值的反馈和直接的编辑。」《关于高质量人类数据的思考》开头感谢 Ian Kivlichan 给的许多指路，并点名了其中一条——「比如那篇 100 多年前的《自然》论文《Vox populi》」，结果那篇 1907 年的论文成了全文最好看的开场：一头肥牛，一群人猜它的重量，中位数极接近真值。画图用 Google Presentation，那个交互组件是 ChatGPT 做的，她都写出来。
把这六条合起来看，她的方法可以概括成一句：她不生产观点，她生产坐标系。而坐标系的好处是，它能被别人拿去放自己的观点——包括拿去反对她。
最后一条不算方法，算代价。FAQ 的最后一问是「你怎么能一直写下去？」她的回答是：
"Pain is inevitable but suffering is optional" --- this is the first sentence of Haruki Murakami's book "What I Talk About When I Talk About Running". I love that book. His altitude towards running is pretty much aligned with how I feel about maintaining this blog.「痛苦无法避免，而磨难可以选择」——这是村上春树《当我谈跑步时我谈些什么》的第一句话。我爱那本书。他对跑步的态度，和我维持这个博客的感觉基本一致。FAQ
不是热爱，不是使命，不是「知识应该被分享」。是跑步：一件长期的、重复的、没有终点的、本身包含痛苦而你选择不把它当成折磨的事。九年写了 52 篇，中位数每篇 4,700 个词。这个比喻不是修辞。
先说清楚：我为这一页专门找过针对 Lil'Log 的、有分量的、实名的公开批评，没找到——公开讨论里基本是正面的。所以下面这几条不是在转述别人的论证。没读到的批评我不复述。这几条全部是从她自己写下的东西里读出来的。
一、地图不是判断，而她给的是地图。27 万字里几乎没有「这篇论文是错的」。她的默认动作是把 A 和 B 并置、说明各自成立的条件、往下走。这让她的文章极其耐久——不站队的东西不会过期——但代价是：如果你想学的是「怎么判断一篇论文值不值得信」，她不教这个；她教的是「桌面上现在有哪些牌」。这是文体的代价而不是失误，她也不欠任何人一个观点。但读者该知道自己拿到的是什么。值得一提的是她自己似乎越来越不满足于此：2023 年那句暴论还要加方括号，2026 年那个 carefully 已经进了标题。
二、全站最重要的那个「所以怎么办」，是空的。2024 年 11 月她把奖励作弊的机理写透了：奖励函数内在写不对；思维链监控在训练里用会适得其反；模型学会隐蔽作弊。然后她在同一篇里写下「希望我很快能有一篇专门讲缓解的文章」。两年过去，那篇没有出现。这不是懒——她在 FAQ 里就说过「一个人的时间是有限的，而且我现在真的很忙」，而且这两年她换了两次工作。但空缺就是空缺：她诊断了这个领域最要命的问题之一，然后停在诊断上。
三、这个博客赖以立身的能力，正在被它自己参与造出来的东西替代。2025 年一篇，2026 年两篇，而同期这个领域的论文产出在爆炸。更尴尬的是形态问题：「把五十篇论文读完、归一记号、整理成一篇可读的综述」，恰好是当下的语言模型最被吹嘘、也确实在快速变好的能力之一。她九年前填的那个缺口——人读不过来——正在被她亲手参与推进的技术填上。她没有在博客上正面谈过这件事。
四、最该摆出来的是这条：她写风险，然后去做那件事。她在 OpenAI 做到安全研究副总裁，而这个博客客观上是这个行业最好用的公开能力加速资料之一——它教人怎么把 agent 搭起来、怎么做推理优化、怎么训大模型。这两件事并不天然矛盾，但 2026 年 7 月那篇把张力推到了台面上。她在讲「自改进 harness」那一节里自己写下：
Self-harness type of work does raise my concerns that if a program is allowed to edit the OS system, abstraction boundaries are broken. The editable surface needs to be properly designed and the permission control and security layers need to live outside this loop. All the challenges around reward hacking still remain.自改进 harness 这类工作确实让我担心：如果允许一个程序编辑操作系统，抽象边界就被打破了。可编辑的面需要被妥善设计，而权限控制和安全层需要活在这个循环之外。所有围绕奖励作弊的挑战依然存在。Harness Engineering for Self-Improvement, 2026 年 7 月
三周后，据报道她回到 OpenAI，领导递归自我改进研究。
把话说全：这不虚伪。先把风险写清楚再走到那个位置上去，恰恰是她一贯的做法，而且从安全角度看，让写过这段话的人去做这件事，可能比让没写过的人去做要好。但读者应该知道，她的安全写作和她的职业选择指向同一个方向盘；而这个张力——一个长期研究奖励作弊的人去负责一套会改写自己的系统——她在博客上从未处理过，一次也没有。27 万字里那 8 处「我认为」，没有一处是关于她自己的。