顶尖数学家：LLM 是强大的计算器，但缺乏创造性思维

顶尖数学家表示，LLM 是强大的计算器，但却是糟糕的创造性思考者。LLM 不能跳跃，第二部分。数学家蒂莫西·高尔斯和彼得·萨纳克认为大语言模型具有严肃的数学技能，但在真正的新想法方面存在硬性限制。高尔斯认为，当前模型擅长组合已知方法并尝试许多搜索路径，但缺乏在广阔搜索空间中选择少数高效路径的直觉。萨纳克同意：AI 可以从现有理论中推导结果，但在从一个基础问题开始时，却无法发展出支撑主要证明的抽象概念。DeepMind 研究员 Tom Zahavy 得出了类似结论。在他的论文《LLMs Can't Jump》中，他将瓶颈归因于“操纵性溯因”，即发明没有语言先例的新基础假设的能力。世界模型可能提供一条前进之路。这些评估引发了一个更广泛的辩论：LLM 是否真的变得更加通用，还是“只是”在基准测试和熟悉的问题空间中变得更好。订阅 THE DECODER 获取无广告阅读、每周 AI 时事通讯、我们独家的“AI Radar”前沿报告每年六次、完整档案访问以及评论区的访问权限。

多位顶尖数学家指出，大语言模型在数学计算上表现出色，但在真正创新和抽象思维方面存在硬性限制，引发对 AI 能力边界的讨论。

• 多位顶尖数学家指出，大语言模型在数学计算上表现出色，但在真正创新和抽象思维方面存在硬性限制，引发对 AI 能力边界的讨论。
• 原贴提到：LLMs can't jump, Part II. Mathematicians Timothy Gowers and Peter Sarnak
• 来源：the-decoder.com

这条信号表明，在顶级数学家的评估中，大语言模型（LLM）的数学能力达到了一定水平，但在创造性思维上存在显著瓶颈。具体而言，模型擅长在已知方法中组合、搜索，却缺乏选择关键路径的直觉，也难以创建全新的抽象概念。这挑战了“AI 通用智能”的叙事，提示我们当前 AI 的“智能”更接近一种高级的模式匹配与组合，而非真正的创新。

其重要性在于：如果连形式化程度高、规则明确的数学领域都如此，那么在更开放、模糊的现实问题中，AI 的创造力限制将更明显。这意味着依赖 AI 做真正“从0到1”的创新可能风险很高。但与此同时，这也为人类与 AI 的分工提供了依据：AI 适合在既定框架内高效枚举和验证，人类则需把控方向、提出新假设。

对谁有价值？对 AI 产品经理、技术决策者、研究者和高效能个体都有价值。产品经理应设计人机协作流程，让人负责“定义问题”、AI 负责“求解”；研究者可关注“世界模型”等路线；个体用户则应警惕将 AI 的建议视为定论，尤其在需要创新突破的任务中。

行动建议：1）在重要创新项目中，使用 AI 辅助文献梳理和方案枚举，但关键决策需人工直觉；2）尝试用“世界模型”思路设计 AI 系统，增强其对环境因果关系的理解；3）培养自身“操纵性溯因”能力，即提出新假设的思维习惯，避免被 AI 的现有范式束缚。

风险与限制：这些评估来自特定领域数学家，样本有限；AI 能力仍在快速迭代，当前瓶颈可能被新架构突破。此外，“创造性”本身难以量化，不同研究者对“真正新想法”的定义存有差异。因此，此信号应视为阶段性观察，而非终局结论。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《顶尖数学家：LLM 是强大的计算器，但缺乏创造性思维》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Matthias Bastian 原帖