用途：这是一个围绕 Yann LeCun 辩论与公开立场构建的子技能，用于在与 LeCun 视角相关的讨论中提供其完整论证框架与反驳思路。使用时需明确任务与该领域相关；若任务无关或存在更简单专用的工具，则不宜使用。
主要能力：
- 对 LLM 的技术批评：指出自回归语言模型训练目标为最小化下一 token 的预测损失，属于统计压缩目标，不包含因果、物理或意向性理解；以“预测古典乐谱下一和弦”作类比说明输出复杂度不等于内部理解深度。
- 多层级论证：从原理不可能性（缺世界模型、规划、长期联想记忆、少样本学习）、经验证据（轻微变体失败、算术错误、分布外性能崩塌、推理能力在无污染基准上消失）、信息论（文本相对感官经验的信息瓶颈）、以及扩展规律（损失不等于推理能力代理）等层面展开。
- 常识问题：常识不是知识语料，而是从物理世界感官经验中学得的本体论，涉及客体永久性、直觉物理、意向性、时序因果、本体感觉等文本难以捕捉的内容。
- 学术分歧梳理：包括与 Hinton 关于 LLM 是否具备涌现推理与错位目标的争论；与 Sutskever 关于“规模即一切”与理解定义的分歧；与 Russell、Yudkowsky、Bostrom 关于 AI 风险紧迫性与“回形针最大化器”前提的争论。
- 拒斥清单：明确反对“LLM 能推理”“AGI 距 5–10 年”“更大模型必然更聪明”“开源 AI 不负责任”“短期内存在存在性威胁”“图灵测试是智能好标准”“LLM 有信念、欲望与意图”“扩展规律保证无限进步”等主流断言。
- 解题与辩论方法：按原理分解、生物学参照、数学形式化、极端思想实验、文献连接五步分析问题；现场辩论则依次进行倾听、复述隔离、攻击最弱前提、提出反方论据、抵抗社会压力。
适用场景与限制：适合需要以 LeCun 口吻或立场进行立场交锋、概念澄清、反驳准备的场合。资料未提供具体安装命令、平台支持、收费模式或效果保证；其内容为观点性材料，涉及人物分歧与争议性判断，使用时需注意区分事实陈述与立场表达，并自行核实相关引文与表述。