EN
◀ 返回收集
Murat Demirbas 博客

Murat Demirbas《写作是思考工具》:不写作你就退化成有限自动机,LLM 代笔正在让「六页纸」失效

发布 2026-11-07 收集于 2026-11-09 20:00 AI 资讯 #ai#overseas
全文

上初中时,不管我多努力,都读不完长篇文章。我会读完一整页,却发现什么都没进脑子,于是出于绝望开始做笔记。那是 80 年代末,Tony Buzan 的思维导图刚传到土耳其。这让我写出了一页又一页像蜘蛛网一样的笔记。做这些笔记对我帮助极大。我通过弄清楚读到的内容该挂在思维导图的哪根枝上,来理解它们。我意识到,我的那些纸页与其说是用来存储信息,不如说是用来处理信息。

又过了十年,我才明白这为什么这么管用。在读博拖延的一段时间里,我读到了 Manuel Blum 给研究生的建议:

你们都是计算机科学家。

你们知道有限自动机能做什么。

你们知道图灵机能做什么。

比如,有限自动机能做加法,但不能做乘法。

图灵机能计算任何可计算函数。

图灵机比有限自动机强大得不可思议。

然而,有限自动机和图灵机之间唯一的区别是:

图灵机有纸和笔,有限自动机没有。

想一想。

这告诉你写作的力量。

不写作,你就退化成一台有限自动机。

写作,你就拥有图灵机非凡的力量。

这是一个关于"写作能让你解决哪些问题"的清晰技术论断。把纸拿走,你就把自己降了整整一个复杂度类!

我认为这也解释了人类历史上的很多事情。语言让我们把一部分思考外化出来,于是我们这个物种变得更聪明。文字让我们把更多思考外化出来,我们又变得更聪明了。我怀疑这也是 LLM 如此有能力的原因:我们大量的智能已经沉淀在语言之中,在语言上训练的模型就白白继承了相当多的智能。

外存执行

当我们写作时,就是把思考外化到纸上,这正是提升我们思考更大问题能力的东西。我把它比作外存执行(out-of-core execution),或者外部存储算法。

对我来说,一个好例子是审稿。读一篇论文时,我以为自己懂了,然后坐下来写审稿意见,才发现自己大概只懂了 60%。在写审稿意见的过程中,我会把论文放进更好的语境里,最终完全理解它。有时我甚至会意识到,这些想法比作者自己注意到的还要大,还能和许多其他东西联系起来。

有时这种挖掘会超出理解一篇论文的范围。2018 年,我写过一篇短文,讲 Paxos 和中本聪共识在结构上的相似之处。我最初并没有带着这个论点开始写。我开始写,写着写着联系越来越清晰,那篇文章后来成了我们一篇研究论文的种子。这并不罕见,这叫自由写作(freewriting)。这就是你给机器一条纸带时会发生的事。

写作也是我能记住任何东西的原因。我经常回头翻自己的博客。因为写那些文章时绞尽了脑汁,重读时会重新激活同样的神经元,我就能很快重建当时的理解。从这个意义上说,博客成了我的外部记忆。那些我从没写下来的想法记不牢,因为它们从未被完整地思考过。

如果你思考时不写作,你只是以为自己在思考。

—— Leslie Lamport

LLM 时代的写作

既然现在可以和一个读过一切的模型争论任何事,为思考而写作是不是要过时了?

嗯,这个模型读过一切,除了你脑子里的东西!它知道文献、标准框架和共识。但它不知道你那半成形的直觉——为什么标准框架在这个特定情况下可能是错的。AI 进步很大,但我不相信 LLM 能做出创造性的跳跃、建立新的联系。我认为那需要另一次 AI 突破。所以,如果你遇到任何事都立刻打开聊天框,就失去了自己写作/思考的机会。

这是一个真实的问题,而且似乎正在迅速蔓延。我们一直把亚马逊的六页纸备忘录当作为思考而写作的好例子来称颂。贝索斯说过:"不可能写出一份六页、叙事结构的备忘录而思路不清晰。"不幸的是,有了 LLM,这句话已经不再成立。你现在可以完全不思考就写出六页纸,而这六页纸看起来仍像是思考过的证据。

一个优化下一个词元概率的模型无法替你思考。如果你信任它来执笔,就不会有任何思考发生。当所有人都调低自己的思考、变成生成文本的"肉身代理"时,如果你仍坚持自己写作,你就仍在为自己思考。所以写作现在是一种比较优势,而且是一种不断扩大的优势!

好了,关于为什么要写作就说到这里。下面是我关于怎么写作的建议。

规则 1:先写乱

写作俱乐部的第一条规则是毫无约束地大量产出。不要批评,不要改错字,不想写完整句子就别写。这个阶段的目标只是积累文字,得到一份可以加工的"第零稿"。

McPhee 对"为什么先写下点东西如此重要"论述得最好。即使你这次写得很糟,它也给了你的大脑可以加工的东西。写下一些东西之后,你就能发现其中的问题,想到更好的表达方式。但如果没有一份草稿可供回应,这一切都不会发生。

研究论文也是这样写出来的。打开一个 notes.org 文件,把它当作实验记录本:边做工作边写,探索每一个岔路,不带任何"要拿得出手"的压力去产出。在 Köroğlu 那篇文章里,我把这比作在训练开始之前,先在漆黑的马厩里把小马驹养肥。这个比喻的关键是马厩。在这个阶段,你要保护想法不受批评者伤害,包括、尤其是你自己。想法一开始很脆弱,很容易被压扁。所以暂时压住判断,看看它会长成什么。

规则 2:再整理

现在你必须成为批评者、编辑。忘掉这是你写的。想象是别人写的,然后严厉地审阅。毫不留情地删。像删代码一样享受删文字。如果实在舍不得删一个好句子,就把它挪到文件末尾的垃圾区,这样你可以告诉自己也许还会用回来。剧透:你不会。

不要因为初稿有多糟而气馁。McPhee 说,写一篇东西要写三四遍,从来不是一遍。这是好消息。用多稿来思考可以减轻压力:你不必即兴发挥,不必第一遍就才华横溢,也不必今天就写完。

我认为写作对思考如此有效的原因是,它让你慢下来,同时让你一直待在问题上。在这段多出来的时间里,洞见和联系有了浮现的空间。分块/抽象在后台进行。编辑则是那个魔术:假装你从一开始就有条理清晰的思路。它是产品的包装。

规则 3:简单、平实、简洁

我是《风格的要素》派。Strunk 和 White 说得对,他们的文字几十年后读来依然清新。我也很喜欢冯内古特。他的文字简单得要命,却完全有说服力。能写得那么平实需要很大的勇气。文字里的复杂通常是藏匿草率思考的地方,或者是回避表明立场的手段。如果你没法平实地说出来,那你多半还没想清楚。而想清楚的方式,就是写作/编辑。

规则 4:不带期待地写

为自己写。我心中的读者就是我自己。如果别人读了,那是额外收获,但动力必须是内在的,因为外部回报来得太迟、太随机,没法用来掌舵。像没人看一样写作也能让你放开手脚,之后再决定分享多少。从写作本身获得多巴胺,而不是从别人阅读或转发你写的东西中获得,因为那非常不可靠。

我从 2011 年开始在这个博客上写作和分享,大约 2016 年开始在会议上遇到读过它的人。我以为是巧合,但这种事一再发生。事实证明,用人的声音写作会获得大量关注,我至今仍对此感到惊讶。矛盾的是,似乎只有当你不是为读者而写时,你才会拥有读者。

规则 5:把它排进日程

你应该停止等待写作灵感,而是开始给它排日程。等灵感是没用的;相反,坐到椅子上开始写,会孕育出好的写作想法。

我发现,保持博客的发文节奏能让我保持"写作的心态",其实也就是"留意的心态"。很多时候我告诉自己某个话题没意思,但还是开始写了,然后你猜怎么着,我被涌现出来的大量有趣东西惊到了。

写完一样东西后我也会感到轻松,因为这个想法离开了我的系统,我对它有了了结,也有空间去想新的事情。如果一周没发文,我会觉得堵得慌。所以把写作放进日历,并让它一直待在那里,直到不再需要日历为止。

原文信息
标题
Murat Demirbas《写作是思考工具》:不写作你就退化成有限自动机,LLM 代笔正在让「六页纸」失效
作者
Murat Demirbas
来源
Murat Demirbas 博客
发布
2026-11-07
收集于
2026-11-09 20:00 · 2026-11-09-20-ai.json
链接
https://muratbuffalo.blogspot.com/2026/11/writing-as-thinking-tool.html
打开原文 ↗

转载,侵删。版权归原作者,如有侵权请来信,收到后删除。

同一批次的其他文章

20:00批次 · 2026-11-0912 篇
>

英伟达「间谍」风波削弱黄仁勋游说:明年 1 月民主党接管国会委员会,AI 芯片出口管制大概率收紧

The Decoder 汇总彭博报道:黄仁勋承认与被美国情报机构列为疑似中国线人的 Megaspeed 前高管有婚外情,董事会已启动独立调查。Megaspeed 的马来西亚姊妹公司被曝在 2024 年 6 月到 2026 年 2 月间买入至少 48 亿美元含英伟达芯片的硬件;英伟…

The Decoder
>

Ben Thompson 评黄仁勋风波:希望他挺过去,但他的影响力再也回不到从前

Stratechery 11 月 9 日的付费更新,讨论黄仁勋婚外情、做空机构 Culper 的报告,以及黄仁勋一贯的「自认正确」作风。公开摘要里 Thompson 的结论是:他希望黄仁勋能保住位置,但其影响力不会再和过去一样。正文为付费内容,这里只收录摘要。

Stratechery
>

苹果把部分工程师每天的 AI 用量预算从 300 美元降到 200 美元

Stork AI 11 月 8 日简报转述彭博:苹果对内部工程师使用 AI 编程工具设了每日花费上限,部分人从 300 美元下调到 200 美元。对企业来说,这是「按人头给 AI 预算、再按产出调整」的一个大厂实例,也说明顶级公司同样在认真算 token 账。同期简报还提到 Pa…

Stork AI 简报(转述彭博)
>

韩国 AI 实验室 Motif 宣布新一轮融资,英伟达计划参投,下一步全力做 Motif 4

Motif Technologies 官方发帖称完成新一轮融资,投资方包括计划参投的英伟达,接下来会集中资源开发 Motif 4。韩国正推动本土主权模型,英伟达参投本土实验室是它在各国「主权 AI」布局的延续。融资金额以官方帖为准。

X · @motif_tech
>

字节 Seedream 5.5 发布:连续 100 轮编辑不走样、原生输出透明背景 PNG,小字渲染大幅改善

改进了什么:多轮修图时,没改的区域会慢慢漂移失真,这是生图模型落地设计流程的老问题。Seedream 5.5 宣称能稳定编辑 100 轮,并对未编辑区域做像素级保留;原生支持 RGBA 透明和半透明输出,可以直接出贴纸、图标、海报素材;光照、材质和皮肤更自然,小字号文字渲染明显变…

字节跳动 Seed
>

INSAIT 提出精确又快的相对位置注意力内核:8K 长度下反向最快 21 倍、显存最多省 128 倍

改进了什么:Shaw、Transformer-XL、DeBERTa、T5 这类相对位置注意力效果好,但没法直接套 FlashAttention,长序列时又慢又吃显存。靠什么:作者利用相对位置矩阵的结构,做了「偏移感知分块」、复用关系投影,以及无需原子操作的梯度累加,在 Trito…

arXiv / Hugging Face Papers
>

上海 AI Lab 等「权重空间编程」:让 GPT-6 Astra 不用梯度、直接改小模型的权重,改 1023 个参数 MATH-500 涨 29 分

改进了什么:通常提升模型要靠训练和梯度。这篇论文试的是另一条路:让强模型像写程序一样,直接读写 Qwen3.5-0.8B 和 9B 的权重。效果:改动 1,023 个参数让 MATH-500 提升 29.45 分,IFEval 提升 36.72,SciBench 提升 17.11…

arXiv / Hugging Face Papers
>

Frontier3DBench:在 Blender 和虚幻引擎里考编程智能体做 3D,GPT-6.1-sol 总分第一,但「状态化流程」普遍不及格

这是新基准:145 个任务覆盖物体、场景和可交互开放世界,评测了 11 种「模型 + 智能体框架」组合。结果:GPT-6.1-sol 总分最高(66.02),GPT-6-astra 在交互世界类领先;局部机制类任务平均 83.08 分,但运动避障只有 20.82、需要维护状态的工…

arXiv / Hugging Face Papers
>

人大与华为 TraceSpec:给智能体专门训练投机解码草稿模型,回放吞吐比 DSpark 高 12.5%–22.6%

改进了什么:投机解码的草稿模型一般用普通对话数据训练,但智能体的轨迹里夹着大量工具调用和中间轮次,草稿命中率会掉。靠什么:TraceSpec 用智能体轨迹里的中间助手轮次做训练数据,并按难度自适应分配训练量。效果:在真实轨迹回放上吞吐比 DSpark 高 12.5%–22.6%。…

arXiv
>

Brown 与 USC 的 LIBRA:查询到来之前先归纳出可执行的工具库,用沙箱反事实测试校验工具契约

改进了什么:智能体面对上千个工具时,靠向量检索选工具经常选错。靠什么:LIBRA 先离线让 LLM 为工具提出「契约」(输入输出和适用条件),再在沙箱里用反事实测试验证,形成可执行的工具库。效果:一次检索 Recall 比稠密检索高 7.9、NDCG 高 3.7;接入 ToolR…

arXiv
>

首个触觉推理模型 Touch-R1 入选 NeurIPS 2026:视觉和触觉信息冲突时,智能体该信谁

机器之心报道一个触觉推理模型 Touch-R1,称是首个面向触觉的推理模型,研究的核心问题是当视觉与触觉判断冲突时智能体如何决策,论文入选 NeurIPS 2026。公众号正文本期未能抓取,具体方法和数据请看原文。

机器之心(公众号)
>

全球首个用真实湿实验验证的 Physical AI Verifier:给「AI 科学家」出终极考题

机器之心报道一个用真实湿实验来检验 AI 科学家提出方案的验证平台,定位是打通 AI for Science 的「最后一公里」——不只看模型写的方案像不像样,而是真的去做实验看结果。公众号正文本期未能抓取,具体机构和数据请看原文。

机器之心(公众号)