LLMs（Large Language Models，大语言模型）是当前人工智能领域的基础模型形态，以海量文本预训练获得通用语言与推理能力，近期的讨论重心正从"能力上限"转向"工程化落地与可信度"。围绕 LLMs 的进展、争议与课程体系更新在近一个月集中出现，反映出这一技术已进入被审视、被拆解、被规范化的阶段。
LLMs 能力边界的新争论
2026 年 9 月末，OpenAI 推理方向研究者 Noam Brown 提出大模型在部分任务上已超越顶尖人类专家，这一判断延续了"能力持续爬升"的叙事，但也把评价标准问题推到台前——超越的是哪些基准、在何种条件下复现，仍缺乏统一口径。与此同时，斯坦福 CS 329Z 智能体工程课讲义公开，新增 Tool Use 等讲次，说明学术界正把 LLMs 从"回答问题"推向"调用工具完成任务"的实践路径。(大模型超越顶尖人类专家、斯坦福 CS 329Z 智能体工程课讲义公开，新增 Tool Use 等讲次)
LLMs 可信与对齐争议升温
Gary Marcus 连续发声，认为 LLMs 不适合承担对齐任务，并主张 AI 需要可审计的推理过程，这代表了一类持续存在的质疑：概率生成机制与可解释性之间存在结构性张力。同期，一项针对 LLMs 性别偏见的研究显示该问题普遍且差异显著，说明偏见并非个别模型的偶发缺陷。Anthropic 则提到物理学家正开发科学计算工具以解决 AI 与科学工作流之间的"阻抗不匹配"。(Gary Marcus：LLMs不适合对齐、大模型性别偏见普遍且差异显著、物理学家开发科学计算工具解决AI阻抗不匹配)
应用与安全两条线并行
应用侧，npj Digital Medicine 刊载的情感智能 AI 助手研究推进了 LLMs 在医患沟通等场景的探索；OpenAI DevDay 2026 开发者大会则集中释放面向开发者的能力更新。安全侧，一项黑盒大模型秘密提取框架研究提示：即使不掌握权重，模型行为仍可能被系统性地探测与复制。(情感智能AI助手研究进展、OpenAI DevDay 2026 开发者大会、黑盒大模型秘密提取框架研究)
当前焦点与观察点
眼下对 LLMs 的关注集中在三点：一是能力宣称如何被可复现的评测验证；二是推理过程能否做到可审计，从而支撑对齐与监管；三是工具调用与智能体工程能否把模型能力转化为稳定交付。可以预期，下一阶段的竞争不只比参数与基准分数，也比谁能把偏见、安全与可解释性问题处理得更透明。