要是笛卡尔能看到现在的LLM该多好
摘要
一条推文反思：笛卡尔曾论证机器无法恰当排列词语来回应对话，如今这一观点正受到现代LLM的挑战。
笛卡尔大致认为机器能输出词语，但不足以恰当排列以回应任何对话。不过，
相似文章
LLMs 并非你所认为的黑箱
一篇总结 Anthropic 2025 年关于机制可解释性论文的文章，表明 LLM 并非黑箱，电路追踪可以揭示多步推理和人类可识别的概念。
关注van Emden鸿沟
一篇2026年的博客文章回顾了M.H. van Emden 1982年提出的“计算机辅助思维”愿景，并指出当今的对话式大语言模型未能实现他所设想的那种结构化、基于逻辑、能产生思维摩擦的对话者。
引用布莱恩·坎特里尔
布莱恩·坎特里尔批评LLM缺乏人类懒惰带来的优化约束，认为LLM会不必要地使系统复杂化而非改进，并强调人类时间限制推动了高效抽象的发展。
@madiator: 帮自己一个忙，留出15分钟阅读本文，再花数小时去执行。我们现在对LLM的依赖太过头了……
一条推文，呼吁人们减少对LLM的依赖，回归到纸上的长文写作和思考，以便更清晰地思考，避免自欺欺人。
LLM神经解剖学第三部分 - LLMs似乎以几何而非语言思考
研究人员分析了LLMs在8种语言和多个模型中的内部表示，发现概念思考发生在transformer中间层的几何空间中，且与输入语言无关，这支持了类似于乔姆斯基理论的普遍深层结构假说，而非萨丕尔-沃尔夫语言相对论。