LeCun团队研究揭示LLM缺陷：大模型仅擅长粗分类，精细语义理解远逊人类

图灵奖得主Yann LeCun与斯坦福团队合作的新研究指出，尽管大语言模型（LLM）在粗略分类任务中表现优异，但在精细语义任务上却显著落后于人类。例如，LLM难以区分“知更鸟”比“企鹅”更典型的鸟类特征。研究表明，LLM虽能生成与人类相似的概念分类，但其内部结构与人类直觉存在根本性错位，尤其在典型性判断方面表现不佳。通过信息论框架分析发现，LLM追求极致的统计压缩，而人类则注重语义丰富性和上下文适应性。实验还显示，小模型BERT在某些任务上的表现优于超大模型，表明规模并非决定性因素。研究强调，为实现更接近人类认知的AI，需重新思考当前的优化目标及权衡策略。
来源：https://mp.weixin.qq.com/s/nv59rJhXkkUgEE19uEr4zg