关于聊天机器人在问题解决对话中工作原理的若干假设：大型语言模型作为创新幻想的印证

一项新的研究对聊天机器人在问题解决对话中的工作原理提出了若干假设，认为大型语言模型（LLM）的局限性使其无法成为真正的思维伙伴。该论文由S.F.M. van Vlijmen和H.D. Lethe jr撰写，于2026年6月5日提交至arXiv平台（编号2606.07722），并计划投稿至《Transmathematica》期刊。

研究团队从聚合动力学、认知语言学、神经心理学和心理学等多个学科出发，构建了一个跨学科的理论框架。他们聚焦于“基础聊天机器人”——即由LLM和简单界面构成的系统，试图通过分析其核心功能来推断更先进聊天机器人的本质。论文指出，这种方法尚未在其他研究中使用过。

论文的主要成果包括：首先，对人类理解和思维过程的新描述，即所谓的“隐喻问题传播”；其次，提出用于训练LLM的文本数据集具有特定特征，且这些数据集仅部分模仿了人类思维和理解；第三，推论LLM的训练过程从这些数据集中编码了人工的“隐喻问题传播”。基于这些，作者得出结论：基础聊天机器人无法成为与人类水平相当的思维伙伴，并且即使进一步发展LLM，也无法实现这一目标。

值得注意的是，论文引用了Meta首席AI科学家Yann LeCun的观点：“动物和人类表现出的学习能力和对世界的理解远超当前AI和机器学习系统的能力。”研究者认为自己的结论与LeCun的立场一致，而与大型科技公司（Big Tech）的乐观预期相左。尽管存在这些局限，聊天机器人已被大规模使用，个人和组织都依赖它们，因此从社会和政治角度理解其工作原理至关重要。

论文全文共42页，包含3张图表，目前可通过arXiv获取。研究者表示，他们尚未在已有的聊天机器人工作机制文献中发现类似的研究路径。这一工作旨在为理解聊天机器人的功能、优势和缺陷提供新的理论视角。