陶哲轩把LLM的底层数学和核心矛盾说透了，做AI研究或对模型能力边界好奇的人看完会恍然大悟，建议点开原文感受顶级数学家的洞察。
菲尔兹奖得主、数学家陶哲轩在访谈中指出，当前大模型背后的数学原理其实非常简单，仅涉及线性代数、矩阵乘法和微积分，本科生就能完全掌握。然而，真正令人困惑的是模型行为不可预测：它们在某些任务上表现惊人，在另一些任务上却突然翻车，且无法提前预判。陶哲轩认为，核心原因在于现实世界的自然语言数据处于“部分有序、部分随机”的中间地带，而数学界对此区域的理论还很薄弱。这一“简单机制 vs 不可预测行为”的矛盾，是当前AI最核心的谜题。
讲真，这种言论只有真正牛的人才敢说啊！ 本科生就可以来完成LLM的数学训练！ Terence Ta…
讲真，这种言论只有真正牛的人才敢说啊！ 本科生就可以来完成LLM的数学训练！
Terence Tao 最近在访谈里把 LLM 最核心的谜题直接说透了。
这位 Fields Medal 得主、数学界最高荣誉，被称作数学界诺贝尔奖，当代最顶尖的数学家之一，说：
今天大模型背后的数学其实非常简单。
线性代数、矩阵乘法，再加一点微积分，本科生就能完全掌握。
我们清楚知道怎么训练、怎么运行它们。
但真正让人困惑的是：为什么它们在某些任务上表现惊人，在另一些任务上却突然翻车，而且我们完全无法提前预测。
核心原因在于现实世界的数据，自然语言文本。
它既不是纯噪声，也不是完全结构化的数据，而是坐在“中间地带”：部分有序、部分随机。目前数学界对这个中间区域的理论还非常薄弱。
所以我们能造出强大的模型，却没法可靠预测它的能力边界。
这个“简单机制 vs 不可预测行为”的矛盾，才是当前 AI 最核心的 puzzle。
完整访谈视频在这里（Dr Brian Keating 频道）👇🏻：