斯坦福学者反思：为何人脑学数学效率远超AI？
SuryaGanguli · x · 2026-07-28
斯坦福教授 Surya Ganguli 分享了一份关于如何阅读数学的指南，并借此反思了人类大脑与机器在学习机制上的巨大差异。
他指出，人类在学习数学时往往需要在每一页上花费数小时，通过反复阅读、提出反事实问题、与人讨论以及推导所有中间步骤来消化知识。然而，当前的大语言模型主要通过 SFT（监督微调）和 RL（强化学习）进行后训练。
令人深思的是，正是这种“每小时几页”的缓慢学习方式，让人类大脑能够以比机器低几个数量级的样本复杂度，达到数学能力的前沿。这一观察揭示了人类认知在数据效率上相较于当前AI模型的显著优势。
「漫话AGI」频道最新
- 有人认为，云基础设施团队比 AI 安全圈更懂实战安全 — basedjensen · 2026-07-29
- AI 治理困境：人类监管周期为何赶不上系统进化？ — anderssandberg · 2026-07-28
- 关于智能来源的争论该停了，重点是如何利用它 — yunta_tsai · 2026-07-28
- AI 投入已超 1 万亿美元，公众愿景却仍然模糊 — ben_j_todd · 2026-07-28
- 年轻人用聊天机器人预演社交，欧盟 AI Act 8 月进入主阶段 — emmanuelvivier · 2026-07-28
- Sam Altman 访谈谈算力、AGI 与 OpenAI 押注 — firstadopter · 2026-07-28