LLM 为何能创新？搜索与验证机制的技术解释
bindureddy · x · 2026-08-31
核心观点：LLM 能创造新事物，并非因为训练数据包含答案，而是因为掌握了基础算子和规律，通过在测试时进行大规模搜索、排列组合并配合验证器筛选真解。
技术逻辑：
- 提议易，验证难？不，反了：提出解很难，但验证解是否正确（如用 Lean 验证数学证明）成本很低。
- 搜索空间 + 验证器：只要领域规则已知（如生物学、蛋白质折叠、材料科学），LLM 就能在巨大的搜索空间中探索，靠验证器过滤出正确结果。
实际案例：
- AlphaProof：利用 Lean 作为验证器，通过搜索证明空间，在 IMO 数奥赛中获得银牌。
- FunSearch：LLM 提出解法 + 检查器过滤，在 cap set 问题上发现了全新的数学结果。
- AlphaFold：学会了蛋白质折叠规则，从而能泛化到实验室未结晶的蛋白质。
推论：生物学和能源领域符合“巨大搜索空间 + 便宜验证”的模式，一旦 AI 学透宇宙规律，攻克癌症或无限能源在理论上可行。
所属事件:LLM 为何能创新：组合推理与不对称验证(4 条相关)→
「研究」频道最新
- 非可逆聚合算子的高效滑动窗口算法引开发者点赞 — Paimaamu · 2026-10-16
- 5 万条编造数据被 ChatGPT 引用：GEO 实验揭示 AI 搜索漏洞 — metehan777 · 2026-10-16
- DeepMind 用 Antigravity 加速科研，一次会话筛出新型抗菌肽 — pushmeet · 2026-10-16
- 博主纠正生成模型讨论:这不是梯度下降问题,而是 mode collapse — burny_tech · 2026-10-16
- Causal Inference 入门系列开更,第一部分上线 — Nasereliver · 2026-10-16
- RIKEN 新法 FBI:训练更新只需一次采样,Pass@10 成本降至 12.3% — EmtiyazKhan · 2026-10-16