頂級數學家指 LLM 運算強但創意弱 AI 創造性思維不足

大型語言模型（LLM）在數學計算方面表現出色，但在真正原創思維上存在明顯限制。數學家 Timothy Gowers 與 Peter Sarnak 分別指出，LLM 擅長結合已知方法與探索多條運算路徑，卻缺乏在巨大搜索空間中挑選少數有效路徑的直覺。DeepMind 研究員 Tom Zahavy 亦持相近看法，並將瓶頸歸因於「操控式猜想」（manipulative abduction）能力不足，即無法發明缺乏語言先例的新基礎假設。 計算強但創意弱 Gowers 認為，現行模型雖能快速整合既有數學技巧，並嘗試多種解題方向，但面對浩瀚的搜索空間時，無法憑直覺鎖定少數具生產力的路線。Sarnak 補充，AI 可從現有理論推導結果，但若從基礎問題出發，往往無法發展出支撐重大證明的抽象概念。 瓶頸在猜想能力 Zahavy 在其論文《 LLMs Can't Jump 》中，將 LLM 的局限聚焦於「操控式猜想」——即發明全新基礎假設的能力，此能力需要跳脫既有語言模式。他認為，世界模型（world models）可能提供突破方向，但當前模型仍難以跨越此障礙。 能力爭議持續 這些評估引發更廣泛討論：LLM 是否真正變得更全面，抑或僅是熟悉問題領域的基準測試成績提升。數學家的觀點為 AI 能力評估提供重要參考，顯示即使運算力強大，創造性思維仍是 LLM 未能突破的關鍵領域。