新论文认为大型语言模型缺乏科学溯因的关键机制

一篇新论文认为，大型语言模型（LLMs）在溯因推理方面存在困难，而溯因推理是爱因斯坦等效原理等科学突破的关键过程。作者认为，具身性（embodiment），常被认为是LLMs的局限性，并非唯一缺失的因素。相反，他们提出LLMs缺乏一种机制，在这种机制中，认识论错误会产生物理成本，从而迫使修正并推动溯因飞跃。这种在固定权重Transformer中不存在的热力学耦合，被认为是真正机器溯因的关键要素。 AI

影响 表明LLM推理能力存在根本性局限，可能指导未来AI溯因领域的研究。

排序理由 该集群包含一篇讨论LLM理论局限性的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Einstein
• Farmer
• General Relativity
• Max Planck
• Planck
• Transformer++
• Zheng-Xin

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →