大型语言模型的“白日梦”：通往突破性创新的代价？

大型语言模型虽然强大，却缺乏突破性创新。文章提出，原因可能是它们缺乏人类思维中“默认模式网络”的背景处理机制。作者建议为LLM添加“白日梦循环”（DDL），让模型持续地从记忆中采样概念对，探索非显性关联，并过滤有价值的想法，形成正反馈循环。虽然DDL计算成本高昂，但它可能正是创新所需，并能形成竞争壁垒。最终，昂贵的“白日梦AI”可能主要用于生成下一代高效模型的训练数据，从而突破数据瓶颈。