待验证50% 置信事实精确时间
Cammarata承认自己的文章只是一个工作假设，尚未覆盖多模态模型，且语言模型缺少训练检查点数据。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
Nick Cammarata万字长文：AI不是黑箱，99%神经元清晰可读
rss2026/10/16
涉及实体
相关事实
待验证大语言模型没有真正的内省能力访问自己的执行轨迹，只能根据上下文和训练倾向重建一段看起来合理的叙述67% 相似待验证作者指出部分基准任务使用的是合成数据，基准属于探索性质，并不构成对直接训练方法的普遍优越性证明66% 相似待验证链式思维、少样本提示、自我一致性等提示词工程技巧无法让模型访问训练截止日期之后的信息，无法保证浮点运算的精确性，也无法处理模型从未见过的外部文件64% 相似待验证小型通用视觉语言模型在植物学细粒度分类任务上能力有限，对形态相近物种区分能力不足，准确度未必媲美专门训练的识别模型64% 相似待验证扩散语言模型在训练效率和推理质量之间的权衡还不够理想，很多展示出来的结果依赖于精心设计的实验条件，在开放域任务上的表现仍有差距。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1045673API
curl https://kongchang.com/api/v1/knowledge/claims/1045673MCP
get_claim(id=1045673)