DeepMind 论文：LLM 能推导相对论，但无法凭数据发明它
rohanpaul_ai · x · 2026-07-30
一篇 Google DeepMind 的论文探讨了语言模型在科学发现中的局限性，将科学发现拆解为归纳、演绎和溯因三个过程。
论文以爱因斯坦提出广义相对论为案例：当时牛顿力学的预测与观测极度吻合（误差仅 10⁻⁹），如果仅靠数据拟合或寻找误差信号，系统几乎得不到任何梯度去推翻旧理论。爱因斯坦的突破源于概念冲突和思想实验，做出了从经验跃迁到新解释前提的“溯因”跳跃。
因此，受压缩和数据驱动机制限制的 LLM，或许能推导已知理论，却难以做出真正的发明。论文提出的发展方向是动作可控的世界模型，让智能体在物理一致的模拟中主动干预，从而将模拟经验转化为候选公理。目前这仍是一篇立场探讨性文章。
「漫话AGI」频道最新
- AI该顺从还是替你做主？EACL论文揭示大模型对齐设计隐忧 — xuanalogue · 2026-07-30
- AI 时代职场真相：你的工作其实是成人日托 — whatsallthiss · 2026-07-30
- Ben Thompson 深度剖析：前沿模型经济学与开源的结构性劣势 — ppooooooooopp · 2026-07-30
- AI 文本检测工具被指无效：专家批其源于对生成文本的偏见 — l4rz · 2026-07-30
- AI 时代护城河失效，创始人为何仍扎堆挤进加速器？ — vaibhavbetter · 2026-07-30
- AI末日论站不住脚：智能体发展充满混乱而非绝对理性 — mimi10v3 · 2026-07-30