研究者激辩「随机鹦鹉」框架是否还适用于现代 LLM

9 月 27 日，Redwood Research 研究员 Blanche Minerva 与认知科学家 Melanie Mitchell 在社交平台上就「LLM 是否只是随机鹦鹉/下一个词预测器」展开争论。双方最终均认为这一经典批评框架已不完全适用于经过工具调用、长链推理与 RL 训练的现代模型。

已确认

• Minerva 提出一条五步流水线反驳该说法：拿一个 transformer，先在大量文本上预训练，再教会它调用工具的特殊 token，教会它使用命令行运行程序，让它用 CoT 做长推理，最后用 RL 训练，她质问这样的系统还算不算「随机鹦鹉」。
• Minerva 认为，连纯 LLM 也不再符合「随机鹦鹉」模型，多位原作者已公开声明这一框架不再适用；她指出该说法在 2021 年前后或可成立，如今继续使用很难站得住脚。
• Mitchell 回应称，她和 Emily Bender 曾写过「反方向」的文章，解释「stochastic parrot」这一说法如何指代 LLM；但她也表示，没看到有人针对 RL 后训练的模型仍持此论，认为「随机鹦鹉」批评对当前讨论已是稻草人论证。
• 讨论中另有开发者追问：一个能访问命令行、可运行程序、不做额外输入输出处理的 transformer，判断它是否是 stochastic parrot 是否取决于训练方式（如 RL）。Minerva 也以此向 Mitchell 提出类似问题。

为什么重要

「随机鹦鹉」是 LLM 领域流传最广的批评框架之一。这场讨论显示，无论是提出方还是质疑方都认为该说法已不完全适用于现代模型；术语之争背后，是对 LLM 能力实质判断的分歧，也提示后续讨论需要更精确的批评框架。

2026-09-27 ~ 2026-09-27 · 6 条相关

• 【源头】研究者反驳「LLM 仅是随机鹦鹉」：连纯 LLM 也不再符合该模型 — BlancheMinerva · 2026-09-27
• Mitchell 回应术语之争：我们写过文章解释「随机鹦鹉」如何指代 LLM — mmitchell_ai · 2026-09-27
• 【源头】Melanie Mitchell:「随机鹦鹉」对RL后训练模型已是稻草人论证 — MelMitchell1 · 2026-09-27
• 【源头】Blanche Minerva 列五步流水线，反驳「LLM 只是下一个词预测」 — BlancheMinerva · 2026-09-27
• 「 transformers + 命令行还算随机鹦鹉吗」引发争论 — BlancheMinerva · 2026-09-27
• 「随机鹦鹉」标准遭追问：接入命令行的Transformer算不算 — BlancheMinerva · 2026-09-27