病态的，锯齿状智能

AI 模型获得的能力越强，其病态问题特征就可能越明显。这个原因可以追溯到法国数学家 Jacques Hadamard 在 1902 年提出的“适定问题”定义。一个适定问题必须满足三个条件：存在性、唯一性和稳定性。只要其中任何一个条件不满足，这个问题就会变成病态问题。

AI 学习从根本上是一个反问题。模型并不是从一个已知方程出发去计算结果；相反，它是从观测数据中反推出隐藏结构、关系和边界条件。反问题往往会破坏唯一性或稳定性，因此 AI 在数学基础上并不是天然适定的。当模型变得更强大时，它会进入更广泛的领域、更大的解空间、更长的上下文和更弱的边界条件。更强的能力扩大了可达范围，但并不会自动带来稳定性或唯一性。

这就是为什么“锯齿状智能”（Jagged Intelligence）不应仅仅被看作偶然缺陷，也不应简单理解为模型“坏”。它是一个病态反问题在智能系统中的可见行为。输入、上下文或边界条件发生微小变化时，输出就可能跳变。因此，脚手架、约束框架、多步推理和验证机制并不是表面的附加功能；它们本质上是为 AI 的病态核心提供外部稳定性的机制。

• 学习是一个反问题，AI 是关于学习
• 反问题：数学家的历史困境与神经网络的突破

单标几何系列

• 单标的几何:拓扑
• 单标几何:DeepSeek V4 与流形撕裂
• 单标几何:数据复杂性
• 单标几何:对流形引导的批评
• 单标几何:数值流形
• 单标几何 06:堆叠分片流形
• 单标几何 07:注意力