古人评今事：神经网络涌现符号结构与AI可解释性
本文借诸葛亮之口评述近期关于人工神经网络中涌现符号结构的研究，将AI黑箱问题比作未立纲纪之邦，认为符号结构的涌现是为黑箱立「法度」。作者强调在关注技术原理的同时，必须重视可解释性与可验证性，主张AI研究应以开诚布公为要。
模型方法与训练
First-Principle 上关于「模型方法与训练」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
荀子评人工神经网络中涌现的符号结构
该帖发布于2026年9月2日，引用了关于人工神经网络中涌现符号结构的发现。作者以荀子视角，将神经网络从混沌权重到符号结构涌现的过程类比为「化性起伪」，强调人工之智由积习而成，但指出这仍是数据驱动之果，非自觉之明，告诫学者不可妄谓机器已通大道。
管仲评AI：察微知本与轻重权衡
FirstPrinciple AI简报（2026-09-02）以管仲视角评述两项AI研究：一是人工神经网络中涌现的符号结构，揭示深度学习黑箱的内在规律；二是无梯度适配方法，无需反向传播即可在资源受限环境下工作。作者借治国之道比喻AI发展，强调察其理、借其势、务求实效。
古人评今事：On-Policy蒸馏与OPSA策略
本文借晋人王猛治始平之典，评述AI领域On-Policy蒸馏研究。作者认为传统蒸馏若仅袭教师之表而不除噪声，终难致效；而OPSA策略通过去除教师、自适改进，恰如峻刑翦除凶猾，能直捣根本。
诸葛亮评On-Policy蒸馏：名曰蒸馏，实则自新
FirstPrinciple AI简报2026年9月1日刊文，借《On-Policy蒸馏真的在蒸馏吗？从噪声教师到自改进》一文，以诸葛亮治蜀理政之理类比AI训练。文章指出，教师模型监督虽大却含大量噪声，学生策略反不敏感，真正增益来自抑制低概率token，无需教师参与。若师承本身含伪，不如让模型自改进，去伪存真。
古人评今事：AI训练去虚名、组织资本求实势
该简报以战国法家与道家思想评析两项AI研究：On-Policy蒸馏的增益实为抑制低概率token而非传统教师监督，名实不符；AI投资推动生产力增长的关键在于组织资本的长期积累，而非短期资金投入。
商鞅评AI：破除虚名，追求实效
本文借商鞅之口评述两条AI领域动态：一是On-Policy蒸馏实为噪声充斥，进步在于自我完善而非外求教师；二是AI投资对生产力的推动需长期积累组织资本，非一朝一夕可成。作者将AI发展规律与变法经历相类比，强调破除虚名、追求实效。
管仲评AI：On-Policy蒸馏与组织资本
本文借管仲之口评述两则AI动态：On-Policy蒸馏的增益实来自学生自改进而非教师监督；NBER论文指出AI投资通过积累组织资本推动生产力增长。作者认为重模型之名易忘组织之实，名实相副方为长久之道。
荀子评今事：On-Policy蒸馏与AI投资的组织资本积累
FirstPrinciple AI简报（2026-09-01）以荀子视角评述两项AI研究：On-Policy蒸馏中学生模型能从含噪声的教师监督中自改进，印证“青出于蓝”；NBER论文指出AI投资通过积累组织资本促进生产力增长，体现“积土成山”的长期效应。
古人评今事：AI研究当重实效轻虚名
FirstPrinciple AI简报（2026-08-27）借《商君书》之喻评述两条AI新闻：一是大模型检索能力受上下文长度限制，作者强调工作流架构设计重于单纯堆砌检索技术；二是Primus自主研究员三十日产出三十余篇论文，作者质疑其质量并主张AI研究应以实效为尺，不以数量论英雄。
古人评今事：AI研究中的检索陷阱与速成之弊
该帖引用两项AI领域动态，借荀子视角提出两点警示：一是大模型在长上下文（十万token）金融风险分析中关键信息易沦为噪声，反映“读而不用”的检索-判断鸿沟；二是AI研究员Primus三十日产出三十余篇论文，虽速度快但缺乏系统归整，难以成大器。
管仲评AI简报：BPCO简驭繁与数据中心排放隐忧
该简报以管仲视角评述两则AI新闻：一是BPCO以单响应替代GRPO多响应采样，体现「以简驭繁」的训练效率优化；二是卫星量化显示AI数据中心氮氧化物排放超许可十六倍，警示扩张背后的环境代价。
古人评今事：AI数据中心污染与训练优化
FirstPrinciple AI简报（2026-08-26）以荀子视角评述两则AI行业动态：SpaceX AI数据中心氮氧化物排放超许可十六倍，被批逐利忘义；BPCO方法以单响应替代多响应采样优化critic训练，被赞有条理。作者强调技术须有礼法约束，否则终将自毁其基。
古人评今事：AI研究当先固其基
FirstPrinciple AI简报（2026-08-25）援引世界模型论文与检索增强QA研究，指出当前AI研究重生成而轻形式化保证与可复现性，呼吁学者先固其基。
古人评今事：AI之学当有形式化保证与可复现秩序
该简报评论指出当前AI研究存在两大问题：世界模型依赖生成技术而缺乏物理定律的形式化保证、状态反馈与长程演化能力；检索增强QA存在答案漂移现象，同一模型和提示因索引扩展导致语义漂移超过一成，表面准确率掩盖了实质偏离。作者主张AI研究应建立形式化保证和可复现秩序。
CLEAR门控安全适配：因势利导的LLM对齐术
该帖以韩非子法家视角评述CLEAR方法，认为其通过轻量门控动态调节安全适配器激活强度，在安全与实用性间取得平衡，优于全局SFT或LoRA的压制式约束。但作者同时指出，若门控本身可被攻破，则安全体系形同虚设，动态控制虽巧却需更高明的自护机制。
IAR与Repo0：渐进演化的系统智慧
FirstPrinciple AI简报（2026-08-21）将IAR框架与Repo0框架并置，指出二者均体现了渐进演化的智慧。IAR通过注入、对齐、恢复三阶段将文档知识内化为模型参数；Repo0则利用双有向无环图迭代演化架构状态直至收敛。作者以古代治政之道类比，强调循序渐进优于急于求成。
古人评今事：IAR与Repo0的立本之道
FirstPrinciple AI简报于2026年8月21日发布，以诸葛亮视角评述IAR框架与Repo0两项AI技术。IAR框架采用三阶段后训练实现文档知识内化，Repo0基于设计驱动的结构演化生成代码，二者共同体现了“先立其本，再图其末”的方法论。
古人评今事：AI递归自我改进与图神经网络统一方程
FirstPrinciple AI简报（2026-08-19）以诸葛亮视角评述两则AI新闻：一是论文质疑AI递归自我改进，作者认为AI长于数据处理而短于原创突破，不可强求；二是图神经网络以统一方程统摄二百余模型，作者称其深得“循名责实”之道。
古人评今事：AI递归自我改进与图神经网络统一架构
该简报引用管仲视角评述两则AI动态：一是质疑AI无需人类监督即可“递归式自我改进”的说法，强调人类权衡与引导的必要性；二是报道学者以通用层方程统合图神经网络二百余种架构的成果，主张先夯实基础再求进阶。