一套四十年前的规矩，和今天读不动字的人
杂货铺 · 第049篇
欢迎来到我的小铺。今天聊聊 Karpathy 关于模型输出的想法、技巧和窍门。
10月2日，Andrej Karpathy 在社交平台上发了一篇长文。起因极其朴素：他发现随着模型能力越来越强，人类反而快要被屏幕上吐出来的字句给淹死了。为了说明交付格式该怎么升级，他搭了一座四层的台阶。
帖子发出来几天，浏览量越过七百五十万，技术圈里顺着这个思路写解析、做 Skill 插件的层出不穷。很多人都在顺着台阶往上看，但我总觉得，最值得停下来看一眼的，是他垫在最底下的那一块砖。
四层台阶的逻辑很清晰：
最底层是传统的文本，但他明确要求不能再放任模型自由发挥，必须引入一套叫作 ASD-STE100 的工业规范来给文字上锁；往上一层是图解，人眼逐行扫描文字成本极高，但一张架构拓扑几秒钟就能建立全局认知；再往上是交互式网页，模型不再只甩出答案，而是直接交付一个可运行的小页面、一个带滑块的模拟器，让人用双手“拨动”参数；最顶层则是动态视频与动画，那些随时间推移的物理演化与因果推演，直接被渲染成连续的画面。
Karpathy 的算盘打得很明：现在的大模型太习惯用文字敷衍人类了，而人类视觉系统与空间知觉的吞吐速度，远比逐行读字要快得多。他希望把输出的形式往前推两步，让机器去承受界面渲染的算力损耗，把人从沉重的阅读负荷里捞出来。
圈子里的兴奋大多扎堆在后三层，畅想着未来的输入框如何消失，模型抬手就是一个动态沙盘有多漂亮。但如果把视线收回来，Karpathy 扣在第一层地基上的那个动作，反而藏着整套推演里最值得琢磨的一笔账。
在文字这一层，他要求模型执行“大约 80% 的 ASD-STE100”。
一、一套四十年前的铁律
ASD-STE100 不是什么前沿算法。它是1986年正式发布的一套航空维修手册写作规范。当年来自不同国家的机务维修师聚在一处，看同一份英文检修手册，因为词义歧义或者从句套得太深，看错了参数，漏拧了紧固件，代价可能直接算在人命账上。航空业为了保命，立下了一套不讲情面的铁律：
一个词只准有一个词义，只准当一种词性用；指令句严格卡死在二十个词以内；能用主动语态就绝不允许被动语态；通篇禁用分号；同一个零件从第一页到最后一页只能叫同一个名字，禁止使用任何文学性的同义词去替换。最新版本是2025年1月发布的 Issue 9，整本手册只收录了五十三条规则和大约九百个批准词。
Karpathy 把它翻出来，扣在最先进的语言模型头上。
这件事的反常之处在于：过去几年里，大模型最让世界惊艳的本事，恰恰是它“像人一样说话”。它掌握了最精妙的修辞、最得体的寒暄，甚至接得住话里有话的隐喻。但当它被拉进严肃的生产流程，大家突然发现，这种“像人一样说话”的能力，正在变成生产协作里最大的路障。
工位上的场景大家都不陌生：输入一个专业问题，光标在屏幕上几乎不喘气地飞奔，几秒钟拉出七八百字。段落极其平整，语法毫无破绽，从“在一般情况下”开始，到“综上所述，需要结合具体场景综合研判”结束。
字面全对，但审阅者在屏幕前读了三遍，手指悬在鼠标上，还是不知道下一步该点哪个选项。人得从一堆长句里甄别前提，在层层并列的条件里扒拉例外，最后甚至得抽出一张废纸，把里面的指代关系画个箭头重新理一遍。
模型的算力便宜到了极点，它生产文字的边际成本几乎归零。但人类大脑解析文字的生理成本，神经元的专注、视网膜的停留、被模糊措辞打断后的反复返工，一分钱都没有降。
当模型把一堆圆滑、充沛但充满二义性的段落吐在屏幕上时，本质上是一场隐蔽的成本转嫁：
生成这一端图省事，把最耗费精力的信息清洗和逻辑定界，原封不动地踢给了坐在屏幕前揉眼睛的审阅者。
Karpathy 搬来航空维修手册，是在做一次强行截流。他用四十年前的硬规则告诉模型：收起那些文绉绉的润滑剂，把文字当成扳手和螺栓来交工。清楚不是靠文采堆出来的，清楚意味着必须有一方在落笔之前，先把所有产生误解的缝隙全部焊死。
但顺着这个思路走下去，事情开始泛起另一层涟漪。
二、病与药
我订阅了卓克的科技参考，有一期说音乐工业史时，讲过一段很有意思的数据。他把1977年到2021年间五千多首各年榜单歌曲提取音频特征。1999年前后那些偏离平均值最远的“离谱歌”，在多维特征空间里炸开的形态，像假山上的怪石，往哪个方向延伸的都有；而越往后走，这个形状越往中间缩拢，最后收紧成了一根极细的刺。风格的多样性在算法与工业流水线里被迅速磨平。
他把这个现象叫作文化肥胖症。当文化供给变得极度廉价且海量，人就只能消化那些“粗、大、猛”的感官刺激，就像高盐高脂食物吃多了导致的营养缺乏型肥胖。副歌必须在前十五秒炸响，不然拇指一划就切走了。
加州大学尔湾分校的 Gloria Mark 追踪了近二十年，发现人注视单一屏幕的平均专注时间，从2003年的两分半钟，跌到了2021年的四十七秒。2024年牛津年度词汇甚至选了“brain rot”（脑腐），用这个最早出自梭罗《瓦尔登湖》的词，去诊断过度消费低密度信息带来的认知退化。
把这些切片放在一起，底层的暗线就浮出来了：从能坐住几个小时的复杂古典乐，到刷不动三分钟的视频；从特征空间里的假山怪石，到只剩一根刺。几百年来，人类接收复杂信息的带宽，其实是在持续向下坍缩的。
Karpathy 看到的是这条下坡路的终点：在信息泥石流面前，人已经快要读不动密集的文字了。他的解法很务实，没有指望人类去重新训练阅读耐力，而是让机器主动屈尊，通过降维与工程规约，把交付物压缩到人眼能接住的最小单元。ASD-STE100，就是他在文字层面上开出的一剂退烧药。
卓克指出来的是症状：带宽变窄、多样性坍塌、文化肥胖。Karpathy 开出来的是药：用工业标尺，把输出打碎成刚好能入口的药片。
药确实有效。吞下这剂药，沟通的摩擦力被瞬间抹平，审阅者不用再在七八百字的废话里打捞前提和动作指令了。但吃药的过程，也在悄悄改写服药者的体质。
我们以为这只是一次对工具的改良，是人类用工业卡尺把模型的废话给规训住了。但在日复一日的交互里，规训从来都不是单向的。
三、互相驯化
世界上的因果，并不都长得像飞机的液压管路。航空手册之所以能成立，是因为飞机是一个被完全确定的封闭物理系统，一个阀门不是开就是关，一条回路不是通就是断。但在真实的商业抉择、系统演进，甚至人性的权衡里，犹豫、例外、妥协和多义性，往往才是事实本身最真实的承重墙。
当一套系统强制要求“一句话只说一件事、一个词只准一个意思”时，那些无法被参数化表达的微弱张力，那些需要留白让人去体会的转折，在穿过这套工程漏斗的瞬间，就会被当成无意义的杂质直接刮掉。
更深的位移，发生在人类自己的接收端。
一旦习惯了 STE100 式的利落交付，习惯了被喂食现成的交互面板和拓扑图，神经元对复杂度的耐受阈值就会被悄然重置。再翻开一本需要细细品味的长篇，第一反应居然是嫌它绕；再读到一段带有修辞与情绪铺垫的方案，耐心的刻度比从前更窄；面对真实世界里那些庞杂、晦涩的原始混沌，本能的反应不再是去拆解它，而是想找个提示词把它也“格式化”一下再看。
规矩一旦立起来，无论原本的目标多么纯粹，都会在暗地里长出一套它专属的隐形指标。人和大模型坐在一张桌子两头，谁也逃不开这个机制。
ASD-STE100 设立之初是为了在停机坪上消除致命的误解，但当它被用作普遍的对话中介，人也会不知不觉开始像它一样归纳世界，只谈确定的、单义的、没有冗余的结果，回避复杂的、曲折的、难以量化的余味。
Karpathy 递过来的那座梯子确实很趁手。它切中了人机交互最疼的地方，也给出了利落的工程解法。
只是，那套四十年前的航空手册立在桌前，乍看是一副规整的图纸，细看更像一面水银镜。
当人们终于松了一口气，把机器调教成了一个只说短句、一板一眼的熟练工时，回过头来看看自己的草稿纸，也许会发现，为了能毫不费力地看懂它，自己也早已收起了所有迂回和含混，修剪成了流水线上那个最挑不出毛病的标准件。
哞小哞的杂货铺 · 2026 · 049