關於聊天機器人在問題解決對話中工作原理的若干假設：大型語言模型作為創新幻想的印證

一項新的研究對聊天機器人在問題解決對話中的工作原理提出了若干假設，認為大型語言模型（LLM）的侷限性使其無法成為真正的思維夥伴。該論文由S.F.M. van Vlijmen和H.D. Lethe jr撰寫，於2026年6月5日提交至arXiv平臺（編號2606.07722），並計劃投稿至《Transmathematica》期刊。

研究團隊從聚合動力學、認知語言學、神經心理學和心理學等多個學科出發，構建了一個跨學科的理論框架。他們聚焦於“基礎聊天機器人”——即由LLM和簡單介面構成的系統，試圖透過分析其核心功能來推斷更先進聊天機器人的本質。論文指出，這種方法尚未在其他研究中使用過。

論文的主要成果包括：首先，對人類理解和思維過程的新描述，即所謂的“隱喻問題傳播”；其次，提出用於訓練LLM的文本資料集具有特定特徵，且這些資料集僅部分模仿了人類思維和理解；第三，推論LLM的訓練過程從這些資料集中編碼了人工的“隱喻問題傳播”。基於這些，作者得出結論：基礎聊天機器人無法成為與人類水平相當的思維夥伴，並且即使進一步發展LLM，也無法實現這一目標。

值得注意的是，論文引用了Meta首席AI科學家Yann LeCun的觀點：“動物和人類表現出的學習能力和對世界的理解遠超當前AI和機器學習系統的能力。”研究者認為自己的結論與LeCun的立場一致，而與大型科技公司（Big Tech）的樂觀預期相左。儘管存在這些侷限，聊天機器人已被大規模使用，個人和組織都依賴它們，因此從社會和政治角度理解其工作原理至關重要。

論文全文共42頁，包含3張圖表，目前可透過arXiv獲取。研究者表示，他們尚未在已有的聊天機器人工作機制文獻中發現類似的研究路徑。這一工作旨在為理解聊天機器人的功能、優勢和缺陷提供新的理論視角。