• 榜单数据10-19 11:33
  • 论文数据10-16 13:30
  • 周报10-18 20:50

金句与引语索引

阅读约 4 分钟AI 生成已核查 · 已审核审核人 负责人

专题章节

阅读规则

本页只把 quotes.yaml 中状态为 verified 的短片段渲染为原话卡片。意思可确认但并非逐字摘录的条目保持 paraphrase,只在普通段落中转述;无法定位原始出处的条目保持 unverified,显示在待核查区,不用于支撑正文。

当前 LLM 的能力边界

LeCun 在 Lex Fridman Podcast #416 中列出物理世界理解、持久记忆、推理和规划,并把它们称为智能系统或实体的四项关键特征 [1]。

Those are four essential characteristics of intelligent systems or entities, humans, animals.

这些是智能系统或智能实体——人类和动物——的四项关键特征。(译)

Yann LeCun(杨立昆)Yann LeCun: Meta AI, Open Source, Limits of LLMs, AGI & the Future of AI(在新窗口打开)2024-03-0700:02:47一手采访本人原话已核实原话

紧邻上下文也说明:他不否认 LLM 的现实效用,批评对象是“把当前自回归架构视为通向完整智能的充分路线”。这条限定避免把观点简化成“LLM 一无是处”。

接地与现实

同一访谈中,他明确主张智能需要接地于某种现实,但马上补充这种现实可以是模拟环境 [1]。

I'm clearly in the camp that yes, intelligence cannot appear without some grounding in some reality.

我的立场很明确:智能不可能在完全不接地于某种现实的情况下出现。(译)

Yann LeCun(杨立昆)Yann LeCun: Meta AI, Open Source, Limits of LLMs, AGI & the Future of AI(在新窗口打开)2024-03-0700:06:56一手采访本人原话已核实原话

因此,这句话支持的是“可交互环境与行动后果很重要”,而不是“只有实体机器人才能智能”。

自监督与常识

LeCun 与 Ishan Misra 在 Meta 2021 联合署名文章中把自监督学习称为构建背景知识、让 AI 系统逼近某种常识的有希望路径之一 [2]。由于原文主语是 “We”,本专题把它登记为转述,不作为 LeCun 个人原话卡。

译文保留“one of the most promising ways”的范围,不把“最有希望的路径之一”夸大成“唯一道路”。

GTC 2025 两条待核查引语

原型从 GTC 2025 对谈整理了 JEPA 世界模型和 AGI/AMI 两条英文引语。本次视频页面可打开,但未取得可核对字幕或精确时间点,因此 q-jepa-future 与 q-agi-term 均降为 unverified,不显示原话卡,也不用于正文论据。

本次同样不迁移原型中的具体“三到五年”“十年”等时间预测;当前台账没有逐字片段与精确 locator。

开源与信息权力

Lex 访谈开场把专有 AI 系统造成的权力集中列为主要危险 [1]。

I see the danger of this concentration of power through proprietary AI systems as a much bigger danger than everything else.

我认为,专有 AI 系统造成的权力集中,比其他一切风险都更危险。(译)

Yann LeCun(杨立昆)Yann LeCun: Meta AI, Open Source, Limits of LLMs, AGI & the Future of AI(在新窗口打开)2024-03-0700:00:00一手采访本人原话已核实原话

这条原话支撑 LeCun 对集中化风险的主观判断,不证明开放权重在所有能力等级上净风险更低。

已确认的转述

以下内容在 quotes.yaml 中是 paraphrase,不显示为原话:

  • LeCun 认为当前自回归 LLM 很有用、会形成庞大应用生态,但不是完整人类级智能路线 [1]。
  • ICML 2024 合著论文认为输入重建会优先解释高方差子空间,而这些特征未必最利于感知 [3]。
  • V-JEPA 2 先从视频学习表征,再用机器人交互数据训练动作条件预测器并接入闭环规划 [4]。

这些条目不是“降级版原话”,而是编辑压缩后的内容概括。

待核查清单

“智能蛋糕”

原型引用“无监督学习是蛋糕、监督学习是糖霜、强化学习是樱桃”。本次找到 NeurIPS 2016 演讲页面,但未在原视频重新定位精确时间点,因此 q-cake 保持 unverified。

“猫比任何 LLM 更懂物理”

原型称这是 LeCun 反复使用的比喻,但没有指定一个可逐字核对的公开原始出处与时间点,因此 q-cat 保持 unverified。

“Llama 是 AI 的 Linux”

原型把多个访谈综合为这一中文句子,尚未定位单一英文原句,因此 q-llama-linux 保持 unverified。

“安全像涡轮喷气发动机”

原型标注为 2025 年对谈,但没有保留可访问文字稿链接与精确时间点,因此 q-safety-engineering 保持 unverified。

“自回归指数发散”

原型指向 2023 年 LinkedIn 帖文,却未保留可访问原帖 URL;数学概括还依赖恒定条件失败率与不可恢复等假设。因此 q-autoregressive-exponential 保持 unverified,正文只讨论公式,不把中文概括当作逐字引语。

为什么待核查不等于已证伪

unverified 表示当前材料不足以确认逐字措辞,不等于当事人从未表达过相近观点。debunked 则需要更强证据,例如原始出处明确说了相反内容、当事人否认,或流传版本篡改否定词。

本专题目前没有 debunked 条目。负责人若补充原始 URL、官方文字稿或带时间点视频,可逐条升级;在此之前,待核查说法不能出现在原话卡片或核心论点中。

参考来源

  1. [1]Yann LeCun: Meta AI, Open Source, Limits of LLMs, AGI & the Future of AI(在新窗口打开)Lex Fridman Podcast · 2024-03-07 · 00:00:00、00:02:47、00:06:56、00:28:16 起 · 访问于 2026-10-17一手采访 · 本人原话↩
  2. [2]Self-supervised learning: The dark matter of intelligence(在新窗口打开)Meta AI · 2021-03-04 · 开头至“Self-supervised learning is predictive learning” · 访问于 2026-10-17官方 · 部分原话↩
  3. [3]How Learning by Reconstruction Produces Uninformative Features For Perception(在新窗口打开)PMLR · 2024-07-21 · Abstract · 访问于 2026-10-17官方 · 部分原话↩
  4. [4]V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning(在新窗口打开)arXiv · 2025-06-11 · Abstract、第 1 节、第 3–4 节 · 访问于 2026-10-17官方 · 部分原话↩