大型语言模型并非世界模型：一个反直觉的论点

本文作者通过多个例子论证大型语言模型（LLM）并非真正理解世界，而只是擅长预测文本序列。作者以国际象棋、图像混合模式和Python多线程编程为例，指出LLM虽然能生成看似合理的答案，但却缺乏对底层逻辑和规则的理解。即使在被反复纠正后，LLM仍然难以掌握基本概念。作者认为，LLM的成功更多依赖于工程努力，而非对世界的真正理解，并预测未来机器学习领域将出现关于“世界模型”的突破，从而真正实现通用人工智能。