李继刚(@lijigang_com)
没有犯过错的理解是可疑的。
8.5内容质量
TL;DR · AI 摘要
AI模型的理解能力需通过错误纠正机制验证，而非仅依赖演示流畅性。
核心要点
- AI模型训练时仅接触正确输出，缺乏错误纠正环节。
- 评估AI理解能力应观察其出错时的自我修正能力。
- 边界情况处理依赖猜测，而非实际经验。
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AI理解能力验证
- 核心观点
- 错误纠正机制决定理解深度
- 训练缺陷
- 仅接触正确输出
- 无犯错学习环节
- 评估方法
- 观察错误处理能力
- 验证自我修正机制
金句 / Highlights
值得收藏与分享的关键句。
模型的'理解'从没经过犯错-纠正这一环，训练时见的全是正确输出
别用demo顺不顺判断它懂没懂——要看它出错时能不能自己发现、绕回来
我们所知的真相只是复杂系统中的冰山一角
#AI#机器学习#模型评估
打开原文李继刚 on X: "没有犯过错的理解是可疑的。" / X
[](https://x.com/)
李继刚 on X: "没有犯过错的理解是可疑的。"
-  李继刚 @lijigang Show translation 没有犯过错的理解是可疑的。 5:11 AM · Oct 18, 2026·1,888 Views 2 1 5
-  Law Zhang @lawzhang 1h 但哪怕是犯过错的理解，可能也是带有偏见的。毕竟我们所知的真相只是复杂系统中的冰山一角。 1 1 9
-  AI科技观察@SPchnli193 22m 放到 AI 上是反过来的：模型的"理解"从没经过犯错-纠正这一环，训练时见的全是正确输出，边界情况基本靠猜。所以别用 demo 顺不顺判断它懂没懂——要看它出错时能不能自己发现、绕回来，那才是理解的试金石。 [](https://x.com/compose/post?in_reply_to=2111715543963296045) 6
See all the replies
Log in or sign up for X
See what’s happening and join the conversation
Continue with phoneContinue with Apple
Continue with Google
通过 Google 继续操作 通过 Google 继续操作。在新标签页中打开
or