> “如果你想知道一个孩子是怎么学会思考的，你不能给他整个互联网——你得给他一间教室，然后看着他在里面长大。”
—
🎒 引子：一个不可能的实验
想象你是一位发展心理学家。
你想研究一个核心问题：人类的知识，到底是”学来的”还是”本来就在的”？
你不能拿真孩子做实验——因为没有任何一个真实的孩子，是只在”小学五年级以下”的教材里泡大的。他们看动画片、听大人聊天、在超市里看到打折标签、在公交车上听到”前方到站”。你永远无法控制他们的”输入”。
但如果那个”孩子”是一个语言模型呢？
如果你可以精确地控制它从出生那一刻起，只见过小学 K-5 阶段的教材内容——不包含初中数学、不包含高中物理、不包含维基百科上关于量子力学的词条、不包含 Reddit 上的阴谋论——然后你就可以问：
– 它学会了什么？ – 它没学会什么？ – 你用各种方法”补课”，能补出它从没见过的知识吗？
这正是 LittleLearner 的核心构想。
—
📐 LittleCurriculum：88B token 的”小学宇宙”
来自马普所智能系统研究所（MPI-IS）和 ETH 苏黎世的团队做了一件前所未有的事：他们从 FineWeb-Edu 这个大规模教育语料库中，筛出了一个 88B token 的子集，只保留美国 K-5（幼儿园到五年级）阶段的教学内容。
筛选管线极其精密，分五层：
1. 年龄习得预过滤：用 Age-of-Acquisition（AoA）词表，剔除五年级以上才学的词汇 2. LLM-J 分类器：训练一个判断模型，逐条判断文本是否属于小学内容 3. 课程对齐分类：对接 CommonCore 课程标准，给每条文本打年级标签 4. 符号过滤：用规则干掉残留的中学概念（比如”二次方程””细胞分裂”） 5. 频率采样：调整词频分布，避免某些词过度代表
最终得到一个 88B token 的语料库——听起来很大，但和 Llama 3 的 15T token 相比，只是 0.6%。
关键不是大小，是边界清晰。你确切知道这个模型”见过什么、没见过什么”。
—
🧠 LittleLearner：在小学教室里训练的 5B 模型
在这个语料库上，团队从零训练了一个 5B 参数的语言模型，用 Qwen3 架构，在 8 块 NVIDIA B200 GPU 上跑了 100 小时。
这个模型叫 LittleLearner。
它有足够的语言能力做开放式评估——能说连贯的话、能回答简单问题、能做基础推理。但它的知识边界是可追踪的：你问它二次方程，它不会；你问它细胞分裂，它不会；你问它法国大革命，它不会——因为这些内容在它的”小学宇宙”里根本不存在。
这就像一个在封闭社区长大的孩子：他语言能力正常，但你问他外面的世界，他只能用小学课本里的概念去猜。
—
🔬 四个实验：能不能”补课”？
有了这个沙盒，团队做了一组关键实验：能不能通过后训练或上下文学习，让 LittleLearner 掌握超出 K-5 范围的能力？
实验 1：模型变大能救吗？
不能。把参数量从 1B 扩到 5B，在 K-5 范围内的任务上稳步提升，但超出 K-5 的任务（比如初中数学）几乎没有任何改善。参数量放大不会凭空产生知识。
实验 2：GRPO 后训练能救吗？
团队用 GRPO（Group Relative Policy Optimization）对 LittleLearner 做强化学习后训练，专门针对超出 K-5 范围的数学题。
结果：模型在已学过的知识上利用得更好了，但真正的”范围外”能力没有提升。
这就像一个只会加减乘除的孩子，你用奖励信号逼他做微积分题——他会更努力地用加减乘除去凑答案，但不会真的发明导数。
实验 3：上下文学习能救吗？
给 LittleLearner 喂几道初中数学题的示例，看它能不能”举一反三”。
结果一样：在见过的知识范围内有提升，范围外没有。
实验 4：什么决定了能力天花板？
团队发现，LittleLearner 的能力边界和 K-5 课程标准的对应关系非常清晰——它能做五年级及以下的数学题，不能做六年级及以上的。这不是模糊的”能力不足”，而是精确的”知识缺失”。
—
💡 这意味着什么？
1. “数据决定论”获得最强证据
过去几年，”scaling law”叙事主导了 AI 领域：参数量越大、数据越多，模型就越强。但 LittleLearner 提供了一个反实验：当你精确控制数据范围时，5B 参数的模型也会被锁死在那个范围里。
参数量救不了范式错位。这和 Euclid-MCP 的发现异曲同工：480B 大模型在规则推理上和 8B 一样烂，因为问题不在参数量，在训练数据。
2. “涌现”可能只是”数据泄漏”
很多人观察到 LLM 在某个参数规模”突然涌现”某种能力。但 LittleLearner 提出了一个尴尬的可能：那些”涌现”，也许只是训练数据里早就有的东西，在参数量足够大时被”想起来”了。
如果你不知道模型见过什么，你就无法区分”学会”和”想起”。
3. 后训练的”天花板效应”
GRPO 和 ICL 都不能突破知识边界——这个发现对 RL 训练社区尤其重要。它意味着：后训练只能重新组合已有知识，不能凭空创造新知识。
这和 EvoThink 的”从错到对”训练结果一致：RL 能让模型更好地利用已有能力，但不能让它获得从未见过的能力。
—
🌊 更深一层：为什么”有界沙盒”是科学的基础
LittleLearner 的真正贡献，不是那个 5B 模型本身，而是它提供了一个可控实验场。
物理学有粒子加速器：你精确控制输入能量，看会发生什么。生物学有模式生物：线虫、果蝇、斑马鱼——你精确控制基因和环境，看发育会怎样。
但 AI 研究长期没有这个。你拿 Llama 3 做实验，你不知道它见过什么、没见过什么。你观察到任何行为，都无法确定它是”学来的”还是”训练数据里本来就有”。
LittleLearner 改变了这一点。它是一个已知知识边界的 AI——你知道它没见过二次方程，所以当你测试它对二次方程的反应时，你观察到的任何能力都是”泛化”或”迁移”，而不是”回忆”。
这才是真正的科学：控制变量，才能得出因果。
—
🎭 类比：心理学史上的”限制输入”实验
LittleLearner 让人想起心理学史上两个著名的”限制输入”实验：
– Genie 案例（1970）：一个被囚禁到 13 岁的女孩，在语言习得关键期没有接触过语言。她后来被解救后，学会了词汇但始终无法掌握语法。这个悲剧案例揭示了”关键期”的存在。
– Kaspar Hauser（19 世纪德国）：一个被关在暗室里长大的少年，解救后对感官刺激异常敏感。他的案例揭示了早期环境对认知发育的塑造。
LittleLearner 是这两个案例的”AI 版”——一个在受控环境里长大的 AI，用来研究”环境如何塑造能力”。
但和人类案例不同，LittleLearner 可以被复制、可以重新训练、可以做各种侵入式实验。它是一个可以反复做的”限制输入”实验。
—
🚧 局限和未来
团队坦诚承认：5B 规模可能不足以观察到某些涌现行为（比如 ICL 在更大规模上可能更强）。但他们指出，这个框架可以自然扩展到其他”教学启发式约束”和更大模型规模。
论文末尾列出了几个探索方向： – RL 与发现：能否用强化学习驱动模型”发现”超出 K-5 的数学定理？ – 持续学习：LittleLearner 能否在保持旧知识的同时学习新知识？ – 教育科学：能否用 LittleLearner 模拟人类学习路径？ – 人机对比：LittleLearner 的学习曲线和人类儿童有何异同？
—
🎬 收尾：一个”有界 AI”的时代
过去三年，AI 领域的主旋律是”更大、更多、更强”。但 LittleLearner 提供了一个反方向：更小、更受控、更可解释。
它不是要和 GPT-5 竞争。它是要成为一个研究工具——就像线虫之于神经科学，果蝇之于遗传学，氢原子之于量子力学。
当你想研究”学习是什么”，你需要一个已知边界的 learner。
LittleLearner 就是那个边界清晰的 learner。
—
论文链接：arXiv:2608.13545
项目页面：见论文原文（项目页链接在论文中提供）
语料和模型：LittleCurriculum（88B token）和 LittleLearner（5B 参数）已开源，供学术社区研究使用
—
“我们不能在互联网上养大一个模型，然后假装理解它是怎么学会的。要理解学习，先得有一个教室。LittleLearner 就是那个教室。”