行业动态
Chollet 澄清：旧批评针对基础 LLM，不适用于 TTA 系统
François Chollet 在 X 发文表示，他过去对基础 LLM 的批评并不适用于测试时适应（TTA）系统，并称…
2026.08.02 · 周日约 2 分钟阅读
Keras 作者、ARC-AGI 基准提出者 François Chollet 近日在 X 上发文，澄清外界对其 LLM 观点的常见误解。他明确指出，自己过去对「基础 LLM」局限性的批评，并不适用于「测试时适应（TTA）」系统——尽管两者在外观上相似，但底层运作原理已发生实质变化。Chollet 强调，他已于 2024 年 12 月更新过立场，不再认为 LLM 技术平台（在加入 TTA 之后）会陷入停滞。
蒸汽火车与高铁的比喻
Chollet 用了一个形象比喻来解释基础 LLM 与 TTA 系统的关系：批评基础 LLM 的局限性，相当于指出蒸汽机车的不足；这些批评并不能直接套用到当代电气化的高速列车上。两者虽然共享相似的「平台」（轨道与车轮），但驱动原理已经根本不同。
他进一步表示，如果要检验自己过去对基础 LLM 的批评是否依然成立，应当将其与「当前的基础 LLM」进行对比——即便经过多年规模扩展，他当年提出的那些局限性判断仍然适用。
背景与含义
- 发言者身份：François Chollet 是 Google 高级研究员，以创建 Keras 深度学习框架和提出 ARC-AGI 通用智能基准而闻名，其观点在 AI 研究社区具有较高影响力。
- TTA 的所指：TTA（Test-Time Adaptation / Test-Time Compute）在当前语境下，通常涵盖推理阶段自适应、测试时计算扩展等方法，与近年出现的 o 系列推理模型思路相关。
- 观点转变：Chollet 承认自己此前的判断需要修正，区分了「基础 LLM 本身」与「叠加了 TTA 机制的 LLM 系统」，认为后者代表了一条不同的技术路径。
这条澄清有助于研究社区更准确地理解他对 LLM 能力边界的判断逻辑，也提示业界在评估大模型进展时，应区分「纯基础模型」与「测试时增强系统」两条不同的演进线索。