巴别塔（4827）

打破了语矩阵！？

谢尔盖布林打了个激灵，视线马上重新回到了屏幕上密密麻麻的曲线图上。

抢过德米斯哈萨比斯手中的鼠标，谢尔盖布林不停地向下滑动着鼠标滚轮。

大周语、普鲁士语、高卢语、盎语、倭语、大毛语、西拜语、葡图佳语、意呆利语、巴拉特语……

超过三百张曲线对比图无一不是在说明这样一个事实——

juzi25十五种语的各种性能曲线，几乎全都在同一水平线之上！

无论是理解和记忆，推理与认知、自主规划和决策、自我优化与学习、情绪与社交模拟、工具调用……

除了生成和表达存在较大的波动值之外，其他几乎所有能力的性能，尤其是推理和认知，在各种语环境下，几乎是完全一样的！

连百分之一的差距都没有！

这怎么可能！？

这完全违背了大模型的原理！

“是不是通过参数调整，把所有语的性能进行了拉齐操作？或者本身先翻译成盎语后，用盎语思考，再翻译回思维链？”

谢尔盖布林感觉自己瞬间头顶和腋下就冒出了汗。

人工智能，所谓智能，就是思考，而思考，就需要语，无论人还是计算机，都不可能脱离语来思考。

大模型ai更是如此。

这些大模型，可能掌握了全世界所有的语，但使用不同语进行思考时，大模型的在不同方面的性能表现都是不同的。

一来，是因为不同语训练资料的多寡和质量的差异。

在当今的互联网时代，盎语语料当然是最丰富的，占到互联网整体资料量的百分之八十以上。

alphazero在使用盎语进行理解和推理的时候，正确率相对其他语会高5以上。

二来，各种不同的语本身就存在不同的“表达偏重”和“性能差异”。

比如普鲁士语，在结构推理方面的速度比盎语更快，西拜语则在感性类语料中优势明显。

而大模型在一次思考回路中，通常使用单一语构建其推理路径。

虽然它可以在输入阶段识别多种语，在输出阶段进行翻译，但其内在的认知张量结构，仍旧倾向于使用输入语所构建的token空间进行语义演算。

说人话，就是大模型在思考问题的时候，在一个思考回路中，基本只会使用一种语来思考，你使用盎文，它就用盎文思考，你使用周文，它就用周文思考。

就算它在回复中掺杂了其他语，也只是一种资料引用或人类写作风格的模仿，而不是真正的跨语种思考。

橘子大模型又怎么可能使用不同语思考的时候，各方面性能都差不多的？

这完全不符合常理！

唯一的可能性，就是对各种语的思考性能进行了拉齐操作。

说白了，就是一个木桶，以最短的那个板为基准，把高的板子都砍了。

但这样做意义在哪？

德米斯哈萨比斯犹豫的摇摇头：“应该不是，拉齐操作资源浪费太严重。”

“至于说是不是先把思维翻译成盎语或其他语……”

德米斯哈萨比斯停顿了一下。

“我一开始也是这么认为的，但经过测试，并非如此。”

说罢，哈萨比斯把实验报告翻到中间。

“你看‘抽象归纳’和‘形式推理’这一部分的能力，哪怕在应用‘马拉亚语’时，juzi25依旧能够准确进行抽象归纳和形式推理。”

“比如这个实例，在情感理解方面，我们的实验人员要求juzi用马拉亚语思考并使用盎语将结果输出后，针对实验人员的任务回复中，橘子大模型并未简单的将马拉亚语中的‘anja’翻译为‘papered’或‘affectionate’。”

“而是采用了实际语义下的不同表达。”

“比如

巴别塔（4827）

和橘子大模型的性能表现有什么关系？

不对，这种表现不在现有多语大模型能力范围内——这背后，肯定藏着某种我们未曾掌握的机制。。

这个机制能让橘子大模型深刻理解了不同语在不同语境下的精确含义，在翻译中甚至使用了“解释替代”和“语气拟合”来更加精准的原文翻译。

等等，看这个实验报告之前德米说的什么来着？

突破语矩阵？

之前自己还稍稍有些疑惑，这个语矩阵是什么。

这么说来……

“德米，你的意思是……juzi25的思考，并不是使用的某一种语，而是……而是……”

谢尔盖急的抓耳挠腮龇牙咧嘴，但就是找不到一个合适的词来形容自己的理解。

“而是一种彻底打破了语边界、使用全世界所有语形成‘高语义映射图谱’。”

德米斯哈萨比斯深吸一口气，给谢尔盖补充道。

“高语义映射图谱！没错！就是这个！”

谢尔盖布林用力的一拍大腿！

“不过，这个用词还是太专业了，如果形象一点说……它汇总全世界的语，创造出了一种只有它可以使用和理解的无歧义语！”

“一种跨越语系、超越语义分歧的语……这种语，完全可以称为‘全语’。”

说完这句话，谢尔盖布林脸都白了，抹了抹头上的汗，眼神挣扎，似乎还是不肯相信。

“全语，og，真的存在这样一种语吗？”

“哪怕是一种只有ai可以使用的语？”

“但问题是，juzi199dec是开源的，其中根本没有这部分功能。”