打破了语言矩阵！？
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——
Juzi2.5十五种语言的各种性能曲线，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，在各种语言环境下，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，把所有语言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，就需要语言，无论人还是计算机，都不可能脱离语言来思考。
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言，但使用不同语言进行思考时，大模型的在不同方面的性能表现都是不同的。
一来，是因为不同语言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，正确率相对其他语言会高5%以上。
二来，各种不同的语言本身就存在不同的“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，通常使用单一语言构建其推理路径。
虽然它可以在输入阶段识别多种语言，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言所构建的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言来思考，你使
本章未完，请点击下一页继续阅读！