工具构建：通用超智能的路径
人工智能
2026-02-25 v1
摘要
Diligent Learner 框架表明，在满足充分步骤成功概率的前提下，LLM可以通过测试时搜索实现超级智能。本文设计了一个基准来测量在逻辑离分布推理中的表现。我们构造了一类涉及GF(2)电路重构的任务，这些任务在每个推理步骤都变得更加困难，且从信息论角度看，除非LLM仔细整合所提供的所有信息，否则无法可靠地解决。我们的分析表明，尽管小型LLM的值随深度增加呈超线性下降，前沿模型在该任务上表现出部分鲁棒性。此外，我们发现规模化推理依赖于精确的工具调用，确定工具设计是LLM在Diligent Learner框架下实现通用超级智能的关键能力。
引用
@article{arxiv.2602.21061,
title = {Tool Building as a Path to "Superintelligence"},
author = {David Koplow and Tomer Galanti and Tomaso Poggio},
journal= {arXiv preprint arXiv:2602.21061},
year = {2026}
}