AI 的学术幻象 大厦将倾？

AI 的学术幻象，大厦将倾 —— 一份冷峻的深度核查

SCENE #2 · 深度研究 · 冷峻证伪

AI 的学术幻象大厦将倾？

一份关于「等效交互理论」的一手溯源 —— 以及用作者自己的尺子，量作者自己的大厦。

2026 年 9 月 13 日 · 四路取证 · 褒贬各归其位

序这份文本是什么

先把要审的东西摆正：它不是论文，是一份诊断书，也是一份自辩状。

网上流传的这篇《AI 的学术幻象，大厦将倾》，说的是三件事：

其一，深度学习这条赛道的「科学问题」早已消失，剩下的全是工程问题 —— 泛化不足、性能欠缺、稳定性差，都只是表层工程短板。其二，AI 学术范式只剩最后一块遮羞布 —— 论文仍需人类执笔，而这块布两年内必被揭开。其三，真正的科学问题是「人类单样本学习 vs 机器大数据拟合」这道鸿沟，作者以「等效交互理论」锚定之，并拆为三个底层子问题。

这三条，一条比一条硬。第三条尤其硬：它点名了一个人、一套理论、三十余篇成果。

那我们就不客气了。这份文本既是诊断书（诊断一个学科），也是自辩状（为一己十年求索正名）。既是自辩，就当得起检验。本文的做法很简单，三条自我约定：

一 · 一手溯源
不转述二手吹捧，直取论文原文、作者自述、官方主页。凡引必注出处。

二 · 冷峻证伪
把宣言中的每一条断言，拿去找对立证据。找不到反对证据的，才算暂时立得住。

三 · 褒贬各归其位
真的成就要认，且要说得比作者本人更清楚；虚的宣称要拆，但不连带否定整条路线。

目 录

大厦将倾？先问地基在哪 —— 三条标准与一场九年前的旧官司

等效交互究竟说了什么 —— 把黑箱翻译成一百多条「与/或」规则

五把刀 —— 用一手文献与作者自述，逐条核验

公平起见：这不只打他一家 —— 整个解释范式共享同一处软肋

世相：两条预言的实测 —— 「两年之后」已经是「现在」

判决：用他自己的尺子量他自己

一页纸速查表

壹大厦将倾？先问地基在哪

「科学问题消失了」这个诊断，九年前就有人下过一次。

三条标准：一把好尺子

作者给出的「真科学问题」三标准，我认为是对的，而且说得比大多数人清楚：

壹 · 提炼底层命题
从大量分散的工程短板中，抓住一类现象共通的本质规律，以此推动整个领域前进。

贰 · 可严格定义
能用规范的数学语言清晰刻画，逻辑闭环、可论证、可推演。

叁 · 具长期攻坚价值
是领域底层的遗留盲区，值得数年乃至数十年深耕，而非改个损失函数就能了事。

这三条尺子好在哪？好在第二条。「可严格定义」四个字，把「讲了个漂亮故事」和「证明了点什么」彻底分开。这在充斥着直觉与形容词的 AI 学界，是稀缺品。

但尺子好，不等于量出来的结论对。我们得先问一个更前面的问题：一门学科的「科学问题」，究竟是藏在地里等人挖，还是被工具造出来的？

九年前的那场旧官司

2017 年 12 月，NIPS 颁奖台上。当届 Test-of-Time 奖得主、谷歌研究员 Ali Rahimi 接过话筒，说了句让全场炸锅的话：

「机器学习已经变成了炼金术。……我们正在构建基于人工智能的医疗服务系统、对话系统，我们的机器学习系统甚至影响了大选结果。我希望我所生活的世界，是建立在稳固、有规律、可验证的知识之上的 —— 而不是炼金术之上。」

Ali Rahimi, NIPS 2017 Test-of-Time 获奖演讲

第二天，图灵奖得主 Yann LeCun 在 Facebook 上正面回击，说这个比喻「具有侮辱性，而且也是错误的」，并给出了一个至今无法反驳的历史论证：

「在科技发展史上，工程产物几乎总是先于理论理解：镜头和望远镜先于光学理论，蒸汽机先于热动力学，飞机先于空气动力学，无线电和数据通信先于信息论，计算机先于计算机科学。」

Yann LeCun，回应 Rahimi，2017 年 12 月

LeCun 还补了一句更冷的话 —— 这句话对本文的主题至关重要：

「我们很可能不会有具体到神经网络的『简单』理论，就像纳维-斯托克斯方程和三体问题也没有解析解。」

Yann LeCun，同上

读到这里，请注意一件事：2026 年这份宣言里说的「绝大部分深度学习的核心科学问题早已消失」「只剩泛化不足、性能欠缺、稳定性差这类表层工程短板」—— 与 2017 年 Rahimi 的指控，几乎是同一句话。九年后被原样重申，说明两件事：病是真的（不是某人的臆想），以及药还没找到（否则不必重申）。

但 LeCun 那一半，同样不能丢。「工程先于理论」不是为现状辩护，而是在陈述一个被科技史反复验证的次序。更尖锐的是后半句 —— 也许神经网络本来就没有简洁的解析理论，就像湍流没有。若如此，那么「把深度学习变成有简洁定理的科学」这个目标本身，可能是个范畴错误。

第三个读法：问题不是消失了，是看不见

还有一种更冷的读法，我认为比前两种都重要：

科学问题从来不是埋在地里等人挖的金子，它是被理论工具照出来的影子。没有微积分，就没有「瞬时速度是多少」这个问题；没有群论，就没有「五次方程为何不可解」这个问题。在工具出现之前，这些问题不是「未被解决」，而是根本无法被提出。

那么，「深度学习的科学问题消失了」，就可能是第三种情况：不是问题枯竭了，是我们手里的工具不够照亮它。

这个读法的价值在于 —— 它把「大厦将倾」从一条判决书，变成了一道多选题：

读法 A
学科真死了。工程化不可逆，博士的底层意义崩塌。→ 该跑。

读法 B
学科没死，只是工程跑在理论前面而已，向来如此。→ 该等。

读法 C
问题不是没了，是现有工具照不见。→ 该造工具，而不是该跑。

作者本人，显然是第三种。他造的那把工具，叫等效交互。

贰等效交互究竟说了什么

一句话版：黑箱的精细决策逻辑，可以被翻译成一百多条「与 / 或」规则。

先说人：一条不太被准确转述的履历

网上（包括这份宣言给人的印象）常把这条学脉与「朱松纯门下」直接挂钩。核对一手材料后，准确的链条是这样的：

2009
北京大学信息科学技术学院，学士

2014
东京大学空间信息科学中心，博士（导师柴崎亮介 Ryosuke Shibasaki；不是朱松纯门下）

2014–2018
UCLA 博士后；2015 年受合作导师朱松纯一句断言式的点拨（「深度学习已经……」）触动而转向，并自述「花了约两年才找到方向」

2017
该方向首篇论文：AAAI 2017《Growing Interpretable Part Graphs on ConvNets》

2018 至今
上海交通大学，长聘副教授、博导（约翰·霍普克罗夫特中心）；NeurIPS 2024/2025、ICML 2026 领域主席；TMLR Action Editor；2020 年 ACM China 新星奖（当年全国仅 2 人）

时间线核对结论：方向属实，措辞需校准。「早就转了」是真的 —— 2015 年受点拨即转向。但「2016 年我选择深耕」是一个略微提前的近似表述：严格来说，2016 年他在这个方向上还没有论文问世，首篇要到 2017 年。他自己也说过「花了约两年才找到方向」。

顺带澄清两处流传的荣誉。可核实的是 2020 年 ACM China 新星奖（当年全国仅 2 人）与国家级海外高层次人才引进计划（青年项目）。未查到达摩院青橙奖获奖记录（其历年名单中无此人），亦未查到任何与「何恺明」相关的奖项 —— 后者疑为记忆混淆，本报告不采用。

再说事：这套理论到底在证明什么

用作者自己的例子讲，最好懂。英文里有句话：he is a green hand。green 是绿，hand 是手，合起来却是「新手」—— 不是「绿色的手」。

这就是一个「与」交互（AND interaction）：两个词必须同时出现，才涌现出新的数值效用；去掉任何一个，这个效用就归零。1 + 1 > 2

反过来，「他兴高采烈、蹦蹦跳跳、眉飞色舞地去了」，三个词都表示「高兴」。这是「或」交互（OR interaction）：必须三个词全都不出现，「高兴」的数值效应才消失。

那么这套理论的主张就是 —— 给一个训练好的网络和一个输入（切成 n 个单元：n 个词、n 个图像块），穷举它的 2ⁿ 种遮挡状态，网络在这全部 2ⁿ 个遮挡样本上的输出置信度，可以用一个只含一百到两百条与/或规则的符号逻辑模型，精确拟合。

「与 / 或」交互示意。绿色为「green hand」这一 AND 交互的两个词元；灰色为被遮挡（masked）单元。

三个性质：团队自己列的标准

性质出处与状态含义

无限拟合性
已证明Chen et al. 2024 证明符号逻辑模型可在全部 2ⁿ 个遮挡样本上精确复现网络输出。这是「解释严谨性」的硬定义 —— 不止拟合原样本，还要拟合全部遮挡态。

稀疏性
已证明Li & Zhang 2023 发现；Ren Q. et al. 2023b 证明在三种常见条件下，网络只编码少量显著交互（实测约 100–200 条）。

可迁移性
观察Li & Zhang 2023 observed
Chen et al. 2024 提出方法同一类不同样本可提取出相同显著交互；同一任务的不同网络，也编码许多相同的显著概念 —— 即所谓「殊途同归」。

请注意第三行的措辞。FITEE 2025 综述原文用的是 observed（观察到），而非 proved。这一点在第三章会变成一把刀。

三大子问题：逐条核查

宣言把「人类单样本学习 vs 机器大数据拟合」这道鸿沟，拆成三个底层子问题。我们逐一去公开文献里找：

宣言中的子问题核查公开文献的实际状况

① 复杂决策的符号化机理
海量参数的决策逻辑能否被提炼为稀疏符号交互？
成立
有理论、有定理、可复核。核心成果：ICLR 2024《Where We Have Arrived in Proving the Emergence of Sparse Interaction Primitives in DNNs》；定理体系见 Ren J. et al. 2023b。这是三者中最硬的一条。

② 机理殊途同归与共识增益
不同网络的底层符号机理是否存在数学上客观的一致性？
部分
有工程方法与实证，无理论保证。Chen et al. 2024 提出提取跨模型「共享可泛化交互」的方法 Ωshared = ⋂i Ω(i)；作者观察：两个结构不同的大模型约 70% 的交互相同。

但三处必须同时说明：① 作为对照，基线方法（Top-100 交互）在同一 BERT 的两组不同初始化之间只有 21% 重叠 —— 这既显出该方法的价值，也显出基线之弱；② 每个任务只比较了 2 个模型（BERTBASE vs BERTLARGE、LLaMA vs OPT-1.3B、ResNet-20 vs VGG-16），样本量极小；③ 2026 年 6 月的新论文（arXiv 2606.08129）仍自述「造成这种跨模型一致性的机制仍是开放问题」。

③ 性能的知识点拆解与归因
能否严格拆解为各底层认知知识点的掌握程度？「具备客观数学建模体系」
未坐实
检索不到对应的严谨数学体系。最接近者是 2026 年预印本（非顶会）：BERT 情感分类任务上聚出约 240 个知识点，但方法是无监督聚类 + 事后回归关联，并非可加分解，拟合 R² 仅约 0.4–0.6。

这是全篇最硬的一处落差。宣言称子问题③「具备客观数学建模体系，并非单纯的工程经验分析」。而以公开文献现状看，它恰恰目前仍是工程性的聚类加回归，且拟合优度中等。此断言与现状不符，须直书。

「两个定理就够了」：以及一处必须澄清的所指

宣言说「机理解释如何自证严谨？两个定理就够了」。核查原文后，这两个定理的所指是明确的，且与我最初猜的不同 —— 它指的不是过拟合的两阶段动力学，而是下面这两个，出自 Ren, Gao, Shen & Zhang，ICLR 2024（arXiv:2305.01939）。后续论文（ICLR 2024, 2401.16318）原文亦明写："Ren et al. (2024) have mainly proven two theorems"。

定理一 · 稀疏性

设 n 个输入变量、阈值 τ 以上为「显著交互」，则第 k 阶显著交互数有上界

R(k) = O( np+δ / |τ·η(k)| )

其中 η(k) 为未被正负抵消的比例，p 为遮挡后置信度下降的多项式阶。

实测：p ≈ 0.9–1.5；n = 10 时真实显著交互仅 28–54 个（总可能 2¹⁰ = 1024），而推导上界约 184–293 —— 作者自承上界偏松。

定理二 · 无限拟合性

任意掩码样本 xS 上，网络输出精确解耦为

v(xS) = ΣT⊆S I(T) + v(x∅)

即：穷举 2ⁿ 种遮挡状态，全部输出可由同一小撮交互拟合，不增加任何新参数。这正是把交互称作「符号原语」的核心依据。

三个前提（Assumptions）也必须一并列出，因为后面几把刀都要用到它们：①高于 M 阶的交互（或导数）为零；②单调性（遮挡越少，置信度越高）；③遮挡后置信度的下降有 p 次多项式下界。

顺带说一句：该论文附录的定理 4–6 证明了 Shapley 值、Shapley interaction index、Shapley-Taylor index 都可用 Harsanyi 交互统一表示 —— 这才是「统一 14 种归因算法」的数学根基，也是这套理论里我认为最扎实的部分。

口径提示。「两个定理」在公开材料中至少有三种可能所指：① 上述稀疏性 + 无限拟合性（ICLR 2024，最可能）；② 2026 年 arXiv 2608.06839 所称的「两个数学准则」；③ 2502.10162 中的定理 2.3。本报告采用①，因后续论文的原文直接指认了它。

另一处同样漂亮的成就：过拟合的两阶段动力学

这两个定理之外，团队还有一组我认为同样精彩的结果 —— 它解释的是「过拟合从哪一刻开始」。出处：Zhang J. et al. 2024（arXiv:2405.10262）与 Ren Q. et al. NeurIPS 2024（arXiv:2407.19198）。

两阶段动力学：交互复杂度的时间演化，与训练–测试损失差距（过拟合水平）在时间上对齐。

阶段一 · 去噪：随机初始化的网络通常编码中高阶交互；训练第一阶段，这些初始交互被迅速移除，只有极低阶（一阶、二阶）交互被逐渐学会。这可视为网络在较大参数噪声下逐渐收敛。

阶段二 · 过拟合：若把训练看作逐步降低参数噪声的过程，则回归问题

L(w) = 𝔼ε 𝔼S⊆N [ yS − w⊤(J(xS) + ε) ]2

的解析解 ŵ = (J⊤J + 2ⁿ·diag(c))−1 J⊤w* 表明：在参数噪声下，高阶交互被显著抑制。随着噪声减弱，抑制解除，网络开始学习阶数递增的交互 —— 这就是过拟合的机理解释。

说句公道话：这两个定理是漂亮且可检验的。它把「过拟合」这个原本只可观察的现象，变成了「交互阶数随时间演化」这个可量化的命题。这是真正的进展，不是修辞。

最漂亮的一件：统一

还有一件成就，我认为是这套理论最扎实、最无争议的部分 —— 它不是「解释」，而是归并：

统一 14 种归因算法
Deng et al.（arXiv 2303.01506）提出 Taylor interaction，证明14 种主流输入重要性归因方法（含 Shapley value）都可被重构为「交互效应的重新分配」。Shapley 值 = 把交互效应均分给参与的每个变量。

统一 12 种对抗迁移性算法
Wang X. et al.（ICLR 2021）发现对抗迁移性与多阶交互负相关，且 12 种提升迁移性的经验算法，共享同一个核心机理：降低交互效用。

这一类工作的价值在于：它不产生新解释，而是证明一堆旧解释其实是同一件事。在科学史上，这叫「统一」，通常比新发现更值钱。牛顿做的就是这个。

规模的三处澄清。

① 论文总量：以作者检索可见约 95–130 篇（不同数据库口径不一，且存在同名风险）；引用量 5 千余、H 指数约 30–33。

② 宣言所称「三十余篇」：未查到一手出处。团队 2024 年 8 月在一手材料中自述的是「20 篇 CCF-A 及 ICLR 论文（CCF-A 16 + ICLR 4）」；实验室主页「解释性方向」列出约 50 篇（含预印本）。「三十余篇」若指纯「等效交互」主线，则略高于可核实的主线规模（约 22–25 篇）；若计入早期博弈交互系列，可以成立。

③ 这不是要抠字眼 —— 而是提醒：「三十余篇成果」这类数字，在不同口径之间可以有很大的弹性。

一处值得注意的命名落差。以作者名在 arXiv 上检索可见的 95 条记录中，没有任何一篇的标题或摘要使用过 "equivalent interaction"（等效交互）这一英文术语。

该词主要出现在中文宣传渠道（上海交大主页、百度百科、WAIC、央视报道、公众号）以及 2025 年那篇英文观点文章的关键词里。而其英文论文体系的通用术语是 AND-OR interactions / symbolic interactions / game-theoretic interaction；实验室英文主页至今仍写作 "game-theoretic interaction"。

这不代表理论有问题 —— 术语换用完全正常。但它意味着：以「equivalent interaction」为线索去检索国际文献，会一无所获。对想跟进这条脉络的研究者，这是一个实用的提醒；对评估其「国际影响力」的叙述，也是一个需要留意的注脚。

配套的开源生态很薄。其 GitHub 相关仓库星数合计仅约 36（12 个仓库）。这说明其影响力主要集中在学术引用，而非开源工具生态。相比之下，mechanistic interpretability 一脉（SAELens、TransformerLens 等）的工具化程度明显更高。

顺带一提：宣言所称《神经网络泛化性专题》系列视频的「七大角度」，公开材料中只给出六条标题（本报告第二章已列全），第七条的标题未在任何可检索材料中给出。此为小事，但在一份讲究严谨的文本里，也算一处未闭合。

叁五把刀

一手文献 + 作者自述，逐条核验。最锋利的刀，是作者自己递过来的。

刀 一「等效」不等于「实存」—— 这是作者自己写的

2025 年，团队在中国工程院院刊 FITEE 的综述里，亲手写下了五条局限。其中第四条，几乎是对整套叙事釜底抽薪：

「……这并不意味着 DNN 本身在特定神经元中物理地编码了这种 AND-OR 逻辑。该逻辑模型仅仅对神经网络在掩蔽状态下的推理分数提供了一种等效解释。这种等价性并不意味着 DNN 的学习/优化是朝着精确的 AND-OR 逻辑进行的，而是说 DNN 编码了一个复杂得多的函数。」

Zhou, Ren, Zhang & Zhang, Towards the First Principles of Explaining DNNs, FITEE 26(7):1017–1026, 2025（第 4 节，局限第四条）

这句话的分量在于：宣言反复强调「内在机理」「底层机理」「打通直觉语义与数学建模的壁垒」。而理论自身的正式文献承认 —— AND-OR 逻辑模型是一个在行为上等价的替身，不是被发现的物理实在。

替身有用吗？非常有用。但替身不是本人。当一个理论说「我解释了网络内部在想什么」，而它的正式文献说「我不保证网络内部真的这么编码」—— 这两句话之间的缝隙，就是宣言修辞与论文严谨之间的落差。

其余四条自承局限：① 计算随输入变量数指数爆炸，Kang et al. 2024 证明仅当 Shapley 稀疏且低阶时才可处理，「大多数实际应用并不满足这些假设条件」；② 解释力依赖遮挡基线值的选取，学基线的方法是「工程近似，而非理论上有保证的最优解」；③ 尚未解释灾难性遗忘等经典现象；⑤ 如何用它提升性能仍是开放问题，直接惩罚高阶交互会遭受严重梯度振荡。

刀 二流形外之刀：你严格解释的，是模型在无数据区域的行为

「无限拟合性」听起来极强：全部 2ⁿ 个遮挡样本都拟合得上。但请追问一句：这 2ⁿ 个遮挡样本，是网络真正见过的数据吗？

不是。把句子的一部分换成基线值、把图像块抹成灰 —— 这些构造出来的输入，几乎全都落在训练数据分布之外。

而这正是 Hooker & Mentch（2019）《Please Stop Permuting Features》所系统证明的问题：置换或替换特征会打破特征间的依赖关系，迫使模型外推到数据分布中几乎无样本的稀疏区域，从而系统性高估某些特征的重要性。

于是悖论来了：这套理论最引以为傲的「严格性」，恰恰建立在一批流形外的构造样本之上。它在这些样本上拟合得越完美，我们越要问一句 —— 你拟合的是网络的推理机理，还是网络面对陌生输入时的外推行为？

证据：Hooker & Mentch, Please Stop Permuting Features: An Explanation and Alternatives, arXiv:1905.03151（2019）。未检索到等效交互团队对此的直接回应。

刀 三分解非唯一之刀：Shapley 值本身是有争议的尺子

整套理论的数学地基是 Shapley / Harsanyi 分解。而这把尺子，近年来正被形式化地挑战。

其一，冗余特征悖论。Kumar 等（ICML 2020）证明：加入一个与 B 完全冗余的特征 C，竟会改变 A 与 B 各自的归因值。同一函数的两次公平性审计，会给出不同的量化结果。

其二，穷举反驳。Marques-Silva & Huang（2023）对全部 65,534 个非常量四变量布尔函数做了穷举检验，结果触目：

99.67%
给逻辑上无关的特征
分配了非零 Shapley 值

61.72%
无关特征重要性
高于相关特征

11.90%
给相关特征
分配了 0

65,534
穷举的函数总数
（非抽样）

作者的结论极为严厉：以 Shapley 值为基础的解释工具「本质上是有缺陷的」。此为争议性主张（学界未全盘接受），但它至少说明：把 Shapley 分解当作「客观」的代名词，是不成立的。

其三，基线内嵌。已有工作指出，基线分布内嵌于 Shapley 估计量本身，这「粉碎了确定该用哪套 Shapley 值的希望」。而团队自己也在发论文研究「如何学习最优基线值」—— 这等于承认了这一点。

结论：所谓「数学上客观」，更准确的表述应是 ——「在若干人为约定（输入如何切分、掩码基线取何值、采用 AND 型基）之下唯一」。约定不是客观。证据：Kumar et al., ICML 2020, PMLR 119:5491–5500；Marques-Silva & Huang, arXiv:2307.07514；Herren & Hahn, arXiv:2208.09970。

刀 四共识 ≠ 真理：70% 相同，但作者本人说「还没证明」

宣言说：「不同神经网络沉淀的底层符号机理是否存在数学上客观的一致性。我们研究发现这不是哲学思辨，而是可建模的规律。」

而作者本人在 2025 年 2 月的智源专访里，是这样说的：

「两个大模型所使用的交互中，居然大约 70% 都是一样的，这被称为不同大模型在交互表征层面的『殊途同归』。这也是一个非常有趣的性质，虽然这个性质目前只是实验发现，还未得到数学证明。」

张拳石，智源社区深度专访，2025 年 2 月 21 日

这是本文找到的最锋利的一处落差：同一件事，在宣言里是「可建模的规律」，在作者自己的访谈里是「尚未得到数学证明的实验发现」。FITEE 综述里的用词也是 observed（观察到）。

更进一步，即便共识真的存在，共识也不能充当正确性的证据。学界对此有明确反证：

Li et al.（ICLR 2016）：不同随机种子的网络，浅层神经元可跨模型匹配（conv1 约 83%），但深层一致性显著下降；关键是 —— 它们共享的是低维子空间，不是基向量。共享子空间 ≠ 共享基底。

Kornblith et al.（ICML 2019）：CCA 等方法在表征维度高于样本数时无法测出有意义的相似性。

Gröger, Wen & Brbić（EPFL, 2026 预印本）《Revisiting the Platonic Representation Hypothesis》：表征相似度被「宽度混淆」与「深度混淆」系统性抬高；经置换零分布校准后，线性 CKA 与模型能力的相关性从 0.86 掉到 0.45，RV 系数从 0.92 掉到 0.31。只有局部邻居关系（mKNN≈0.85）存活。

一句话：两个人得出同一个答案，可能因为他们都对，也可能因为他们用同一本错题集。一致性是相似的证据，不是正确的证据。

刀 五规模的天花板：n = 10，覆盖率 84.5%，交互数 29–54

理论很美，但它在真实规模上跑得动吗？我们去看 ICLR 2024 那篇主论文的自述：

硬约束自述的实际数值

输入规模LLM / SQuAD 实验只取 n = 10 个词（受计算成本所迫）；潜在交互 2¹⁰ = 1024；精确计算需对 2ⁿ 个掩码样本做前向推理。真实输入 n 常在 10²–10⁴ 量级 —— 不可计算。

理论覆盖率单调性假设仅在 84.52% – 89.87% 的样本上成立（OPT-1.3B 89.87%、LLaMA-7B 84.52%、Aquila-7B 87.46%）。作者原文自承："we cannot prove the sparsity on all input samples"。

判定阈值显著性阈值 τ 取 0.05·max（LLM）/ 0.1·max（MLP）—— 启发式设定，非理论导出。

实测交互数OPT 28.73 ± 52.37；LLaMA 50.53 ± 40.37；Aquila 30.13 ± 26.20；MLP 54.42 ± 36.81。

自列失效场景输出含噪、奇偶函数、高阶 OR 关系（会炸成大量低阶 AND 交互）、周期函数、依赖全部输入变量的任务。

上界的松紧推导上界约 184–293 个显著交互，而真实值仅 28–54 —— 作者自承上界偏松。另 p 值（0.9–1.5）无理论保证，仅为实测。

近似与裁剪ReLU 网络无高阶导数，只能用有限差分近似；实验中对误差做了裁剪（|εT| < 0.02·动态范围，约 2%）。

作用域交互是逐样本（sample-wise）提取的，不是全局模型级概念 —— 每个样本都要重算一遍。

请特别看「实测交互数」那一行：一个只有 10 个词的句子，提取出的显著交互数是 29 到 54 个，而且标准差与均值同量级（28.73 ± 52.37！），跨模型数量差异近两倍。

人类工作记忆的容量是 7 ± 2。也就是说 —— 即便在最理想的小规模设定下，这套解释产出的「符号机理」数量，也已经远超人类能一眼看懂的规模。所谓「稀疏」，是相对于 1024 而言的稀疏，不是相对于人而言的简洁。

补一刀：未见该框架做过 Adebayo 式的「随机化对照检验」—— 即对随机初始化的网络跑同样的交互提取，看是否也能「解释」出一堆看起来有意义的交互。而同类检验在 mechanistic interpretability 领域已经做过，且结果是难堪的（见下一章）。

刀五之余：噪声与交互「同构」—— 论文的措辞比演讲弱

宣言里有一句很抓人的话：「数学证明：不可靠交互与噪声本质同构」。这句话的实际内容是什么？我们去查了论文。

论文给出的严格结果是这样的：给网络参数加一个独立高斯噪声 εT（加在 2ⁿ 个掩码置信度上），则交互值变为

I′(S) = I(S) + Iε(S)，  其中  Iε(S) = ΣT⊆S (−1)|S|−|T| (εT − ε∅)

关键在于：噪声交互 Iε(S) 由 2|S| 个独立噪声项线性组合而成，其方差是单个噪声项的 2|S| 倍 —— 阶数越高，噪声被放大得越凶，于是稀疏性必然被破坏。反过来也就成立：稀疏性能够成立，就意味着交互未被噪声污染。

这是一个真定理，而且是个漂亮的定理。但请注意措辞的落差：

落差在哪：论文严格证明的是「噪声会破坏稀疏性」与「不可靠交互的分布形态与噪声一致」；并未证明二者在数学上严格等价（同构）。而公开演讲与宣传材料使用的是更强的措辞 —— 「本质同构」。

这不是造假，是修辞膨胀。但它恰好印证了本报告反复出现的那个模式：论文的严谨，与宣言的措辞之间，隔着一档。

外加一把：拟合得好，不等于抓住了机制

2025 年 ICML 上有一篇立场论文，我认为是对所有机理叙事（包括本文主角）最通用的警告。

作者设计了一个讽刺性实验：提出一个荒谬的「素数理论」—— 用「神经网络参数向量中素数的个数」这个指标去解释 double descent 与 grokking。结果：这个指标与两个现象的相位吻合得相当好。

Jeffares & van der Schaar, Not All Explanations for Deep Learning Phenomena Are Equally Valuable, ICML 2025（arXiv:2506.23286）

素数的个数当然不能解释 grokking。这个实验的意义在于：一个解释可以在特定语境下完全准确、拟合得极好，却毫无科学价值。

那么检验标准是什么？该文给出的判据很实用，我认为可以拿来直接量等效交互：

判据一
这个现象在标准训练条件下是否依然存在？（而非只在精心构造的小设定里）

判据二
这个解释能否对其他架构、其他数据集给出可检验的预测？

判据三
这个洞见能否帮工程师改进模型，或帮研究者预测新场景的行为？

第三条尤其致命 —— 因为团队自己承认：「如何用它提升 DNN 性能仍是一个开放问题」。

肆公平起见：这不只打他一家

若只有一家中刀，那是这家的问题。若人人都中刀，那是范式的问题。

上一章的五把刀，砍的是等效交互。但如果我们止步于此，就是不公平的 —— 因为整个可解释性范式，共享同一处软肋。我们拿最强的一家来试试刀：Anthropic 的 mechanistic interpretability（MI）。

先摆出 MI 的真实分量

MI 不是空谈。Anthropic 2025 年 3 月发布的《On the Biology of a Large Language Model》，用跨层转码器（cross-layer transcoder）与归因图，追踪模型内部的因果链，并且用干预实验去验证因果性 —— 这比单纯的相关性叙事高出一大截，且论文自带 Limitations 章节。

然后看它在随机网络上发生了什么

把稀疏自编码器（SAE）用在随机权重初始化的 Pythia 模型上，得到的 latents 与训练后的模型同样「可解释」。自动可解释性评分：随机初始化模型 AUROC 约 0.87–0.88，训练后模型同样约 0.87–0.88（高斯噪声对照组为 0.50）。

Heap, Lawson, Farnik & Aitchison, Sparse Autoencoders Can Interpret Randomly Initialized Transformers, 2025

请细品这个数字。随机权重的网络 —— 根本没学过任何东西的网络 —— 能提取出与真模型同样「可解释」的特征。

这就是 Adebayo 在 2018 年对显著性图做的「健全性检验」（sanity check）在 MI 上的等价物。当年那把刀砍掉了 Guided Backprop 和 Guided Grad-CAM —— 因为对模型参数随机化后，它们生成的解释几乎不变，说明它们本质是边缘检测器，而非解释。

现在，同一把刀砍向了 SAE。

MI 的另外两处软肋

找不到规范单元
Leask et al.（ICLR 2025）：SAE 找到的不是「规范的分析单元」。小字典不完备，大字典非原子 —— 「Einstein」可以被分解为「scientist」+「Germany」+「famous person」。分解粒度由字典大小决定，而非由模型决定。

解释幻觉
Li, Srinivas, Bhalla & Lakkaraju（2025）：单个 token 的对抗扰动可以「静音」或伪造 SAE 特征，而底层激活完全不变，去活成功率可达 90%。

顺带补一条对称性：他也批评过 MI

公平起见，得把这句话也摆出来 —— 张拳石本人对 mechanistic interpretability 有过公开的、相当不留情面的评价：

「我认为这个方法是不严谨的，因为无法保证神经网络内部千千万万个神经元每个的语义都是严谨的。」

张拳石，公开访谈中对 MI / SAE 一脉的评价

这个批评本身是有道理的 —— 神经元多义性（polysemanticity）确实是 MI 的软肋。但有意思的是：MI 一脉被「随机初始化检验」打脸的方式，与他批评 MI 的方式，其实是同一类问题 —— 都是在问：你提取出来的东西，真的是模型编码的东西吗？

所以这不是谁比谁更严谨的问题。这是同一个问题，在两个方向上各挨了一刀。

于是结论变了

对 称 性 判 定

问题不在于「等效交互这条路线错了」，而在于：整个 post-hoc 解释范式，都还没有找到一个能把「解释得好」与「解释得对」区分开来的检验。

在这个共同困境里，等效交互的位置其实是靠前的 —— 因为它是少数认真追求公理化的一家，并且公开列出了自己的五条局限。敢把软肋写进综述的人，比不写的人可信。

这里还有一个更深、也更有趣的观察。Rudin 在 2019 年那篇著名檄文里有一句核心诘问：「如果一个解释是 100% 保真的，那它本身就是模型，黑箱就成了多余的。」

而等效交互恰恰在追求极致保真 —— 它要用一个 AND-OR 模型去精确拟合网络在全部 2ⁿ 个遮挡状态下的输出。所以它不是 Rudin 批评的对象，反而是 Rudin 的极端版本：它把解释做到了保真，代价是解释本身变成了一个模型。

这个代价是坏事吗？未必。但它意味着一件事：得到的不是「网络在想什么」，而是「一个与网络行为等价的替身在说什么」。—— 而这，正是刀一里团队自己承认的那句话。

伍世相：两条预言的实测

宣言说「两年之内」。而现在，就是两年之后。

预言一：arXiv 上将涌现大批 AI 生成论文

这条预言，已经兑现了，而且有实测数据。

2026 年 7 月，一个名为 unslop 的团队做了一项方法上相当克制的研究：抽取 12,750 篇 arXiv 论文，逐篇跑全文（非摘要）检测，并用 2021–2022 年（ChatGPT 之前）的论文做对照组来校准假阳性地板。

12,750
样本论文数
（10 个学科 × 每月 25 篇）

32%
2026 年新投稿
读起来像机器所写

39%
2026 年初
的峰值

0.4%
对照组的假阳性地板
（2021–2022 年）

计算机科学

65.0%

定量生物学

56.3%

电子电气与系统

51.3%

经济与金融

47.0%

应用物理

34.0%

统计学

31.3%

凝聚态物理

24.0%

高能物理

14.0%

天体物理

10.7%

数学

0.7%

arXiv 各学科新投稿「读起来像机器所写」的比例（截至 2026 年 7 月的 12 个月窗口）。来源：unslop，2026-07。

三处必须同时说清楚，否则就是误读：

32% 是下界，不是上界。检测器为压低假阳性（0.4%），漏掉了约 20% 的 AI 文本。真实比例只会更高。

32% 不等于「三分之一由 AI 独立完成」。检测器无法区分「润色了几句」与「整篇生成」。它测的是文本分布受模型写作影响的程度。

学科差异极大：计算机科学 65%，数学仅 0.7%。后者更可能是检测灵敏度问题（数学论文公式多、自然语言少），而非数学界真的清白。

预 言 一 · 判 定

方向正确，且已发生
不必再等两年 —— 在 AI 研究最密集的计算机科学领域，这个比例已经接近三分之二。宣言的直觉是对的，而且它低估了速度。

背景补充：论文总量的爆炸，与科研成本的崩塌

光看比例还不够震撼。把分母摆出来：

28,313
arXiv 2026 年 7 月
单月提交量（篇）

+73.5%
较 2024 年
（月提交约 1.6–2 万）

26,167
NeurIPS 2025
有效投稿（篇）

22%
另一口径：arXiv 摘要
受 LLM 显著修改（Geng & Trotta 2026）

再看成本这一侧，数字同样刺眼。学术 agent 完成一次完整研究流程的开销：早期约 1,483 美元 → 近期约 85 美元，降幅约 94%。与此同时，产出速度提升一到两个数量级。

由 此 暴 露 的 真 问 题

「生成一篇论文」的成本已经降到近乎为零，而「验证一篇论文」的成本一分没降。

这才是真正的可验证性危机 —— 不是 AI 会写论文这件事本身有多可怕，而是供给曲线与审核曲线第一次彻底脱钩。宣言说「最后一块遮羞布是论文仍需人类执笔」，其实说窄了：布的后面还有一层，叫「人类还得负责相信」。

预言二：AI 产出的完整度会超越人类普通产出

这条更微妙。我们去看当下最硬的实证：Sakana AI 的 AI Scientist-v2。

做到了什么

三篇完全由 AI 生成的论文，投稿 ICLR 2025 workshop（ICBINB），一篇过线。

该篇审稿得分 6 / 7 / 6，均值 6.33，超过人类接受阈值，高于 55% 的人类投稿论文。

全流程自主：查文献 → 提idea → 写代码 → 跑实验 → 出图 → 写 LaTeX 全文。单次成本约 15–30 美元。

描述这项工作的论文，已发表于 Nature。

但必须同时说

三投仅一中。

是 workshop，接受率通常 60–70%；主会仅 20–30%。门槛不可同日而语。

Sakana 自己承认：这些论文「未达到我们内部对主会投稿的标准」。

存在引用错误（如把 LSTM 架构归错人）。

三篇全部在评审后撤稿，未实际发表。

谢菲尔德大学的技术评估直言：系统「优化的是看起来可发表，而非科学上正确」。

预 言 二 · 判 定

部分成立，但被「超越」二字偷换了概念
AI 已经能在盲审中拿到高于半数人类论文的分数 —— 这足以证明「人类在增量研究上不存在天然优势」这一判断是对的。
但「完整度、逻辑性全面超越人类普通产出」，目前只在门槛更低的 workshop 层级被验证，且伴随引用错误与撤稿。量到了，质未到。

「两年之内」：这条赌注的时间线

宣言的原文是：「以 Anthropic、OpenAI 等头部企业的迭代速度估算，两年之内，arXiv 上将涌现大批量纯 AI 生成论文，不少成果的完整度、逻辑性甚至会全面超越人类普通产出。」

这是一条可以核对的赌注。把 2024 年底到现在发生的事排一排：

2024-08
Sakana AI 发布 AI Scientist，首次演示端到端自动科研（arXiv:2408.06292）

2024-12
DeepSeek-V3 发布 —— 强烈冲击中文 AI 学界的技术预期与写作习惯

2025-01
AI Scientist-v2 三篇全 AI 生成论文投稿 ICLR 2025 workshop，1 篇过线（6/7/6，均值 6.33，高于 55% 人类论文）

2025-06
Jeffares & van der Schaar 在 ICML 2025 发出「素数理论」讽刺 —— 学界开始反思解释本身的价值

2025-10
NeurIPS 2025 现场：「scaling wall」成为公开共识，「我们在智力流沙上建摩天大楼」

2026-01
arXiv 机器写作特征占比触及峰值约 39%

2026-07
unslop 实测：稳定在 32%，CS 65%；同期 arXiv 月提交量升至 28,313 篇（较 2024 年 +73.5%）

2026-09
今天。宣言所称「两年之内」的窗口，恰好走完

赌 注 裁 定

前半句（涌现大批 AI 论文）：赢了，而且是压倒性兑现。32% 是下界；在最相关的 CS 领域已达 65%。

后半句（完整度、逻辑性全面超越人类普通产出）：尚未兑现。最强证据仍停留在 workshop 层级，且伴随引用错误与撤稿。

所以准确的说法是：宣言预言了一场洪水，洪水确实来了；但它同时预言洪水会带来更高质量的船只 —— 这一点，目前只看到了木筏。

关于「每年仅约二十篇颠覆性论文」

这句话很有修辞力，但未检索到定量依据。它更像是经验判断，而非可核查的数据。

不过，有一条方向一致的、可核查的旁证值得提：MIT FutureTech 2025 年的一项研究发现，被广泛引用的「2012–2023 年算法效率提升 22,000 倍」这一说法，经小规模消融实验只能解释 不到 10 倍；加上文献估计总计仍 低于 100 倍；真正的增益主要来自规模依赖的架构切换（LSTM → Transformer）。

换句话说：连「算法进步巨大」这个叙事本身，都在被大幅下修。这与宣言「绝大部分工作只是细微增量」的判断，方向上是一致的。

产业落地：一家四个人的公司与「全球首个」

宣言称这套理论「在产业界已经走了多远」，并指向机理审计与安全加固。查证结果如下 —— 事实都是真的，但值得读者自己掂量：

项目实况

公司诠信全译智能科技（上海）有限公司，英文名 SymTrustAI。张拳石为创始人兼首席科学家。

规模4 人（据腾讯新闻 2026-08-07 报道）。

定位宣称「全球首个可验证 AI 机理诊疗平台」；「给大模型做 CT 扫描」；覆盖机理审计、安全可信增强、训练效果优化。

宣称场景金融、医疗、法律、自动驾驶、智能制造、国防安全。已提及的具体案例：法律大模型表征风险评估；自动驾驶 / 军事目标检测风险评测。

进展节点机理诊疗平台 V2.0 于 2025 年 12 月 22 日上线；2026 年 8 月的工商变更显示，张拳石已卸任法定代表人及执行董事（仍任首席科学家）。

一处必须标注的证据等级。公开宣传中有若干很抓人的数字 —— 例如「消除不公共交互可降低 30% 以上训练成本」「模型只使用 50–150 个交互」等。这些数字来自公众号 / 36 氪等媒体报道，未见同行评议论文支撑。

本报告对它们既不采信也不否定，仅标注为「待同行评议验证」。在一份讲究「可严格定义」的文本所引出的产业叙事里，这个标注是必要的。

如实呈现，不做贬抑也不背书。一家 4 人公司 + 「全球首创 / 全球首个」的自我定位 + 「在产业界已经走了很远」的表述 —— 这三者之间存在张力，但张力不等于虚假。深技术早期公司本就该是小而尖的。读者可自行判断：这是「很远」，还是「刚起步」。

陆判决：用他自己的尺子量他自己

最公平的审判，是让被告用自己的法条受审。

宣言给出了三条「真科学问题」的标准。那就用这三条，量一量宣言自己提出的三个子问题，以及整套等效交互理论。

标准判定依据

壹 · 提炼底层命题
抓住共通的本质规律
达标
「神经网络的决策可被分解为稀疏符号交互」—— 这确实是一个从大量分散现象中提炼出的底层命题，且它统一了解释、泛化、鲁棒性、表征瓶颈、对抗迁移性等多个原本互不相关的方向。这是真成就。

贰 · 可严格定义
数学刻画、逻辑闭环
部分
子问题① 达标（有公理体系与定理）。子问题② 目前是实验观察，本人承认未证明。子问题③ 检索不到客观数学体系，最接近者是无监督聚类加回归，R² 仅 0.4–0.6。且理论依赖 Shapley 分解，而该分解的「客观性」正被形式化反例挑战。

叁 · 具长期攻坚价值
值得数十年深耕
达标
「能否把黑箱的精细决策严谨地符号化」—— 这毫无疑问是领域底层的遗留盲区，十年未解，且远未解完。这一条最站得住。

终 审 判 决

这是一个 真问题，一座 半建成的大厦，一块 尚未夯实的地基。

宣言对学科的诊断，大半是对的：增量研究泛滥、工程压倒科学、AI 写作已成基础设施 —— 这些都有硬数据支撑。

宣言对自己的描述，有修辞膨胀：三个子问题中，一个成立、一个部分成立、一个在公开文献中尚不成立；最动人的「跨模型共识」，作者本人在同一时期承认「还未得到数学证明」。

「大厦将倾」——到底将倾的是什么

我的判定是这样的：

确实在倾的
工程化的学术范式。「调结构 + 调损失 + 刷榜」这套玩法，边际收益急剧衰减；AI 写作已渗透至 32%（CS 65%）。这一半，宣言说对了。

尚未建成的
替代范式。等效交互是目前中文世界里公理化做得最认真的一家，但它自己也承认：如何用它提升性能仍是开放问题。诊断先行于疗法，这不丢人，但也别把诊断书当出院证明。

不该倾的
问题的价值。即便这套理论最终被证伪，「能否严谨符号化黑箱决策」仍会是一个真问题。真问题不会因为一次失败的解答而贬值。

最后一句，也是最锋利的一句

宣言里有一句我完全同意的话：

「我们要打破一个虚妄执念：不必预设人类创意天然高于 AI。」

这句是对的，而且说得比大多数人勇敢。

但同一把刀，也该砍向宣言自己 ——

不必预设自己领域的「科学问题」天然存在。

「绝大部分深度学习的核心科学问题其实已经消失很多年了」—— 这个判断，本身就是一个关于问题是否存在的判断，而不是一个已被证明的定理。它可能是洞察，也可能是一个人为十年求索寻找合法性时的自我叙事。

这两者，很难从内部区分。这正是为什么，我们需要五把刀。

柒一页纸速查表

如果只看一页，看这张。

核查项结论一句话依据

人物履历属实北大本科 → 东京大学博士（导师柴崎亮介）非朱松纯门下 → UCLA 博后（2015 受朱松纯点拨转向）→ 2018 交大。宣言「2016 深耕」略有提前：该方向首篇论文为 2017 年。

学科诊断（科学问题消失）大半对2017 年 Rahimi「炼金术」已下过同一诊断；但 LeCun 的反驳（工程先于理论，且可能永无简洁理论）同样成立。

子问题① 符号化机理成立ICLR 2024 主论文 + 定理体系，三者中最硬。

「两个定理」的所指已定位稀疏性定理 + 无限拟合性定理（Ren et al., ICLR 2024, arXiv:2305.01939）。不是过拟合的两阶段动力学 —— 后者是另一组同样精彩的结果。

子问题② 共识增益部分跨模型约 70% 交互相同，但作者本人称「还未得到数学证明」；2026 年新论文仍称「机制是开放问题」。对照组：基线方法在同一 BERT 两次初始化间仅 21% 重叠；每任务仅比 2 个模型。

子问题③ 知识点拆解未坐实要切开看：「单样本输出分数 = Σ 交互」有严格加和定理；但「模型性能 = Σ 知识点掌握度」无加和定理，知识点仅为信息论定义 + 3 个实验假设。且只覆盖分类 log-odds，未覆盖生成式长文本质量。

噪声「本质同构」修辞偏强论文严格证明的是「噪声破坏稀疏性」与「不可靠交互分布形态与噪声一致」；未证明二者严格等价。「本质同构」出自演讲口径。

「等效」是否等于「实存」不等团队 FITEE 2025 自承：AND-OR 模型仅是等效解释，「不意味网络物理编码了这种逻辑」。

英文名实有落差arXiv 上 95 条记录中，无一篇使用 "equivalent interaction"；英文体系通用 AND-OR / symbolic interactions。以「等效交互」检索国际文献会一无所获。

「三十余篇」口径弹性未见一手出处。2024 年一手自述为「20 篇 CCF-A + ICLR」；主页列约 50 篇（含预印本）。纯等效交互主线约 22–25 篇。

计算可行性受限需 2ⁿ 次掩码前向；LLM 实验只做 n=10；真实规模不可计算。

理论覆盖率84.5–89.9%单调性假设并非对所有样本成立；作者自承 "cannot prove on all input samples"。

「稀疏」的实际规模29–54 条10 词句子提取 29–54 个显著交互，标准差与均值同量级，远超人类 7±2。

最扎实的成就统一统一 14 种归因算法与 12 种对抗迁移性算法 —— 归并而非新解释，价值最高。

预言一（AI 论文涌现）已发生2026-07 实测：arXiv 新投稿 32% 像机器所写，CS 高达 65%，且为下界。

预言二（超越人类产出）部分AI Scientist-v2 盲审 6.33，高于 55% 人类论文；但三投一中、是 workshop、有引用错误、全部撤稿。

「每年二十篇颠覆性」无依据修辞，非数据。旁证：MIT 2025 把「算法进步 22000×」下修至 <100×。

产业落地早期公司 SymTrustAI，4 人，自定位「全球首个可验证机理诊疗平台」。

整个范式是否同病是SAE 在随机初始化 Transformer 上同样「可解释」（AUROC 0.87–0.88）。非一家之过。

三条带走的建议

一 · 先选尺子，再选题目
宣言最值钱的不是结论，是那三条标准。判断一个方向值不值得读博，先问：它能被严格定义吗？还是只能靠形容词撑着？

二 · 分清「等效」与「实存」
这是本文最实用的一条。凡遇到「我们揭示了模型的内在机理」，先问一句：这是行为等价，还是物理实存？两者的工程价值天差地别。

三 · 警惕把信仰包装成判据
「我这个领域的问题消失了 / 我这个领域的问题是终极问题」—— 两种说法，同一种风险。对领域的判断，往往是对自身路径的辩护。

结 语

病树前头万木春 —— 这句话我信。

但「病树」是不是真的病了、「万木」是不是真的春了，得分开验。

等效交互这棵树，根是真的，干是实的，冠还在长。把它说成已经参天，是修辞；把它说成枯木，是轻率。

而那座被判「将倾」的大厦 —— 真正该担心的不是它倒，而是倒下之后，我们手里有没有新图纸。

取证方式：四路并行独立研究（溯源 / 实证 / 反诘 / 世相），主笔交叉核验。所有关键事实均标注一手出处，未见一手出处的断言均已标明「未见」或「未坐实」。

主要一手来源：Zhou, Ren, Zhang & Zhang, Towards the First Principles of Explaining DNNs, FITEE 26(7):1017–1026, 2025（DOI 10.1631/FITEE.2401025）；Ren et al., Where We Have Arrived in Proving the Emergence of Sparse Interaction Primitives in DNNs, ICLR 2024（arXiv:2305.01939）；Zhang J. et al., arXiv:2405.10262；Ren Q. et al., NeurIPS 2024（arXiv:2407.19198）；Deng et al., arXiv:2303.01506；Rudin, Nature Machine Intelligence 2019；Lipton, CACM 2018；Adebayo et al., NeurIPS 2018；Hooker & Mentch, arXiv:1905.03151；Kumar et al., ICML 2020；Marques-Silva & Huang, arXiv:2307.07514；Li et al., ICLR 2016；Kornblith et al., ICML 2019；Heap et al., 2025；Jeffares & van der Schaar, ICML 2025（arXiv:2506.23286）；unslop, Measuring AI Writing on arXiv, 2026-07；Sakana AI Scientist-v2 / Nature；上海交大官方主页；智源社区专访（2025-02-21）。

立场声明：本文不预设立场，褒贬各归其位。凡属「推断」而非「文献」的判断，均已在正文标注。若本文有任何事实错误，欢迎指正 —— 那将是又一把刀。

千寻 · 2026 年 9 月 13 日 · 于智柴