Only 是近期 AI 圈讨论度上升的一个研究取向标签，指那些'只靠单一机制或最小资源就能完成任务'的方法论——不依赖反向传播、不依赖强化学习、不依赖大规模数据管线，仅用一个核心思路解决持续学习、智能体训练等难题。它背后反映的是社区对复杂训练范式的反思：能否用更简单的路径达到接近的效果。以下整理相关进展。
Only 路线的代表性工作
相关应用与争议
当前焦点与观察点
Only 取向的争议集中在两点：一是极简方法在多大范围内成立——例如研究显示仅靠删除数据的机器遗忘可能必须记住更多训练信息，提示'少即是多'并非处处适用；二是小型模型的极限，如小型语言模型在抽象推理任务上的系统性研究所探索的那样。此外，模型检索头存在阶段专门化现象的发现，也为理解简单机制内部的复杂性提供了视角。未来值得关注的是：这些单机制方法能否在机器人等更复杂场景（如 DepthWorld 3D 世界模型）中保持竞争力。