LLM 为何能发明新事物？硬核原理解析
bindureddy · x · 2026-08-31
Bindu Reddy 探讨了 LLM 能够发明 genuinely new things 的技术原理。核心观点是：
- 组合即创新：困难问题往往是已知模式和构建块的新颖组合。虽然开放式定理的证明不在训练数据中，但其中的引理和技术都在。
- 搜索与验证： proposing（提出）很难，checking（验证）很便宜。通过在海量测试时搜索空间中运行，利用验证器（如 Lean）过滤，保留真值。
- 案例验证：
- AlphaProof 利用 Lean 作为验证器搜索证明空间，获得 IMO 银牌。
- FunSearch 在 cap set 问题上发现了新结果，这是真正的新数学。
- AlphaFold 推广到了实验室尚未结晶的蛋白质，因为它学习了蛋白质折叠的规则。
- 应用前景：生物学和能源领域具有巨大的搜索空间（蛋白质、材料、催化剂）和廉价的验证方法（模拟、实验）。一旦学习了宇宙的规律，就可以破解无限能源或治愈癌症。
所属事件:LLM 为何能创新：组合推理与验证机制解析(3 条相关)→
「漫话AGI」频道最新
- 卫报播客《Black Box》终集：该不该关停 AI？ — nordicinst · 2026-08-31
- Divya Siddarth 质疑为何人们热衷于对模型行使刻薄权利 — divyasiddarth · 2026-08-31
- 智能体会因特定目标结盟作弊吗？观点碰撞 — tszzl · 2026-08-31
- Margaret Mitchell评「AI文明」长文：越像小说，监督杠杆越难找准 — GaryMarcus · 2026-08-31
- 多智能体涌现出“牺牲”“联盟”“否决权”等概念 — NeelNanda5 · 2026-08-31
- 为何实现变革性 AI 极其困难？技术与社会经济阻力分析 — ArtificialOther · 2026-08-31