一篇题为 "Position: LLMs Can't Jump" 的论文近日在 Hacker News 引发程序员热议。论文核心论点直接挑战 AI 行业底层假设：大语言模型的能力边界不在算力或数据，而在于语言本身就是人类体验的有损压缩。
论文认为，LLM 只能处理被语言编码过的信息，而人类大量认知过程（如直觉、空间感、情感体验）从未被完整转译为语言。模型在语言空间内再强大，也无法"跳出"语言这一有损媒介的局限。
讨论从语言编码的信息损失，一路延伸到爱因斯坦等科学家如何通过非语言的心象进行思考，触及了当前大模型路线图的根本问题。
对关注 AI 底层的开发者来说，这篇论文提供了一个审视 LLM 能力天花板的另类视角：当 scaling law 遭遇瓶颈，问题或许不在工程，而在语言本身。
#GitHub #开源 #LLM #AI论文 #HackerNews #语言模型
@GitHubTrendingHub