.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
大型语言模型（LLMs）的性能，无论是好是坏，都源于其核心架构——作为对训练数据频率敏感的文本模式检测与生成机器。从这种意义上说，它们是出色的意义表达机器。本文通过概念分析和近期基准数据，识别出那些在LLMs可靠能力范围内的战略性任务，以及那些与LLMs联想式架构根本不匹配的任务。结果表明，存在一个实际连续体，用于确定LLMs能够提供真正优势的领域以及人类认知仍不可或缺的领域。最具挑战性的任务——新颖的科学和战略突破——目前LLMs无法企及，因为其架构存在固有局限。突破被描述为文本并不意味着我们只需简单地从文本中挖掘下一个新颖突破。在阐明当前LLMs能力边界的过程中，本文旨在帮助战略决策者更有效地部署这些工具，作为连续体可处理侧大多数任务的有力助手。
Keyword:
AI
extreme transformational creativity
large language models
combinatorial creativity
decision making
entrepreneurship
strategy formulation
strategy implementation
transformational creativity
