大模型最近动静确实大。华为云把OfficeClaw升级成了OfficeAce，英伟达张罗着造万亿参数的开源模型Nemotron 4，面壁智能也跑去启动IPO了。可喧嚣背后有个挺扎心的事儿：大模型到底靠啥“思考”？菲尔兹奖得主蒂莫西·高尔斯给了个反直觉的说法——说白了，如今的大语言模型解数学题，主要靠找反例，根本不会构建形式化证明。别看它出答案挺快，实际上思维路数跟正经数学家完全不是一回事。
更邪门的是，AI居然也吃“情绪”这一套。你敢信？中科大最新研究证实，困惑和焦虑这种负面情绪，反而能让AI表现更好。搞半天，大模型内部绝不是个死气沉沉的数据库查询。它倒像个闹脾气反而更出活儿的尖子生。再想想之前那个怪现象，ChatGPT、Claude还有Gemini，被问到名字时都不约而同挑了“Nova”这词。大模型身上这些“人味儿”是越来越没法忽视了。
高尔斯这判断没跑基准测试，就发在博客上。说白了就是顶尖数学家的直觉观察。但你别觉得人家是信口开河。找反例跟做证明，这两者难度简直是一个天一个地。反例嘛，随便推翻一个假设就行。可证明呢？得搭一条严丝合缝的逻辑链。实际上LLM现在的能力天花板就卡在这儿，挑刺贼溜，建体系抓瞎。这事儿要是跟“坏情绪提效”连起来看，简直绝了。大模型根本不是靠严谨推理混的，反而在那种模糊、冲突、瞎试的环境里，能蹚出条更聪明的道。
学界这会儿也没闲着。有篇叫LittleLearner的论文最近搞了个新动作，他们试着用“受控知识暴露”的法子训练模型，就是想扒开看看到底咋学知识的。跟以前拿一堆乱七八糟的网页文本“闭眼养”不同，这种精细实验能盯着每个学习节点看。对大模型来说，搞清楚自己到底怎么学会的，可能比学了一肚子东西还关键。
说白了，大模型现在就是表面装得挺像人。会起名，有情绪，还特会挑刺。可骨子里呢？离真正的逻辑推理还差着十万八千里。下一代AI谁能把“找反例”练成“做证明”，把那点“坏情绪”给稳住变成真本事，谁才算坐稳了头把交椅。