「学不会」不是结论，那道天花板才是
论文真实：arXiv:2608.28560，Emily Cheng 与 Ryan Cotterell（UPF / ETH 苏黎世），2026-08-28 投稿，9 月底有 v2。标题《A Formal Limitation on Learning Human Language From Textual Corpora》。帖子转述得相当忠实——「不可逾越的上界」确实是摘要原话。
但「不可逾越的上界」这几个字，容易被读成「LLM 不能理解语言」。费曼式地拆开来看，论文推导的是「解码器仅凭话语表征还原说话者意图」这一概率的上界，而它的上界由「话语形式在意义之上留下的不确定性」决定。关键在下一句：这个不确定性分成两部分——不可约部分，以及只有（言语之外的）语境才能消解、但话语本身永远消解不了的部分。
所以真正结论是：纯文本把上界钉在「不可约歧义」那一档，无论你喂多少 token、多大模型、多好算法，都越不过这道由语言本身固有歧义设的天花板。它不是「理解不可能」，而是「理解的玻璃顶由形式与意义的鸿沟高度决定」。命名之外要讲清假设：意义空间离散或连续、训练分布 i.i.d.、分布本身已知——每条假设都是结论的边界，去掉哪条结论就失效。
实验也别读大：论文验证用的是人工语言、汉语零代词消解、颜色指称三类受控任务，不是「几万亿 token 真实语料」。它证明的是上界的存在与结构，不是给某个具体 LLM 判生死。
最有用的工程读法在论文的拆分里：那部分「只有语境能消解」的不确定性，恰恰就是 RAG、工具调用、系统提示里塞进的「说话时的场景」。换句话说，上下文工程不是在给模型补知识，是在补「话语单独带不动的那一半」——只要补的是真语境，就绕开了纯文本的天花板；补的是假语境（更多同分布文本），就还在玻璃顶下面打转。
费曼式一句：这篇论文没有戳破 LLM 的神话，它只是量出了神话顶上的那块玻璃。知道了顶在哪，才知道哪些投入是在穿透、哪些只是在天花板下反复起跳。
