DeepMind论文探讨LLM能力边界：缺乏直觉跃迁难破科学发现
Google DeepMind 的研究人员在一篇 ICML 2026 位置论文中探讨了当前大语言模型（LLM）的能力边界，指出仅靠数据压缩和演绎推理无法实现基础科学突破。该研究引发了业界对 LLM 能否通向超级智能的广泛讨论。
已确认
- DeepMind 研究人员 Tom Zahavy 参与的论文将科学发现拆解为三步：接触感知数据、通过非逻辑的“直觉跃迁”提出抽象公理、最后进行严格逻辑演绎。
- 论文认为，当前 LLM 擅长组合型任务和逻辑演绎，但无法完成科学发现中关键的“直觉跃迁”。
- 论文以爱因斯坦提出广义相对论为例，说明基础科学突破需要超越现有数据的公理跨越。
为什么重要
- 该研究直接触及了当前 AI 领域的核心争议：扩大模型规模和增加数据量是否足以实现通用人工智能（AGI）。
- 观察人士 Peter Berezin 等人据此认为，如果 LLM 无法跨越概念创新的鸿沟，那么当前的技术路线可能只是通向超级智能的死胡同（配图标题为“LLMs can’t jump”）。
- 这项研究为评估大模型的真实能力提供了新视角，表明在需要人类概念先验和直觉的领域，当前模型仍存在结构性限制。
2026-07-28 ~ 2026-07-29 · 5 条相关
一手来源
- DeepMind 论文称 LLM 突破科学需溯因推理而非压缩证明 — burkov ·
- 爱因斯坦三步科学观指出 AI 仍缺直觉跃迁 — TZahavy ·
- Google DeepMind 认为 LLM 会证明定理却不会科学跳跃 — kylekabasares · 2026-07-28
- 当前大模型能解决哪些问题？DeepMind 研究划定能力边界 — burny_tech · 2026-07-28
- 【源头】爱因斯坦三步科学观指出 AI 仍缺直觉跃迁 — TZahavy · 2026-07-28
- Peter Berezin 认为 LLM 可能通向超级智能死胡同 — GaryMarcus · 2026-07-29
- 【源头】DeepMind 论文称 LLM 突破科学需溯因推理而非压缩证明 — burkov · 2026-07-29