缸中之脑：关于大语言模型迈向通用人工智能的缺失环节
计算与语言
2026-01-30 v1 人工智能
摘要
在这篇观点性论文中，我们首先使用标准化测试与能力导向基准，全面回顾现有大语言模型（LLMs）的评估方法。我们指出当前评估方法存在的若干问题，这些方法倾向于高估 LLM 的能力。随后我们阐明通用人工智能除 LLM 能力之外还应涵盖的内容。我们提出通用智能体的四个特征：1）能执行无限任务；2）能在上下文中生成新任务；3）基于支撑任务生成的价值系统运作；4）拥有反映现实的世界模型，该模型塑造其与世界的交互。基于这一观点，我们强调通用人工智能中的缺失环节，即知与行的统一。我们认为，与真实世界中物体的主动交互能为概念表征的形成提供更稳健的信号。此外，知识获取不仅依赖被动输入，还需要反复的试错。最后，我们勾勒了通用人工智能领域有前景的未来研究方向。
引用
@article{arxiv.2307.03762,
title = {Brain in a Vat: On Missing Pieces Towards Artificial General Intelligence in Large Language Models},
author = {Yuxi Ma and Chi Zhang and Song-Chun Zhu},
journal= {arXiv preprint arXiv:2307.03762},
year = {2026}
}