一篇提交至arXiv（编号2606.07722，cs.AI分类，2026年6月5日提交）的立场论文，把目光投向一个看似简单却很少被系统拆解的问题：在围绕“问题与解决方案”展开的讨论中，聊天机器人究竟能在多大程度上充当真正的对话伙伴？作者S.F.M. van Vlijmen与H.D. Lethe jr在文中提出了关于聊天机器人运作方式的若干假设，并试图解释聊天机器人能做什么、不能做什么。
论文的方法论并不局限于计算机科学。作者综合了聚合动力学（Aggregation Dynamics）、认知语言学、神经心理学与心理学等领域的视角，构建出一个关于人类理解与思考的描述框架，其核心概念是所谓的“隐喻式问题传播”。在这一框架下，人类的思维并非单纯的信息处理，而是借助隐喻结构在问题之间进行传播与转化。作者据此提出假设：用于训练大型语言模型的文本数据集具有特定的性质，这些语料只是部分地模仿了人类的思维与理解方式；而LLM的训练过程则从这些数据集中把一种“人工的隐喻式问题传播”编码进模型之中。
论文刻意把讨论聚焦在“基础聊天机器人”上，即由一个大语言模型加上简单界面构成的系统。作者希望通过对这种最简形态的分析，对更高级聊天机器人的核心功能作出判断。由此得出的结论相当明确：基础聊天机器人不可能成为与人类相匹配的思考伙伴；而且，大型语言模型的进一步发展也不会带来这一结果。换言之，在作者看来，能力的提升与规模的扩大并不等同于思维本质上的接近。
这一立场与图灵奖得主Yann LeCun的公开表述相呼应。论文引用LeCun的话指出，动物与人类所展现出的学习能力和对世界的理解，远远超出当前AI与机器学习系统的能力范围。作者认为自己的结论与这一判断一致，同时也承认，他们与LeCun的视角同大型科技公司所持的乐观态度存在明显分歧。
不过，作者并未因这一判断而否认聊天机器人的现实存在。论文强调，聊天机器人正在被个人与组织大规模使用，因此理解其运作机制、益处与弊端具有社会与政治层面的重要性。这篇文章的目标正是为相关讨论提供贡献，而非简单地否定这一技术。作者还提到，在他们对聊天机器人运作方式的研究中，尚未遇到过采用同样路径得出这些结论的工作，这也构成其研究的一个独特之处。
从形式上看，这是一篇42页、含3幅图表的论文，已投稿至Transmathematica期刊，并以arXiv预印本形式公开，附有PDF、实验性HTML版本与TeX源码等全文链接。论文标题中“创新幻觉”的表述，暗示作者希望借助LLM这一案例，对技术发展中“创新必然带来实质突破”的预期提出质疑。