研究概況

大型語言模型與人類在發散性創造力上的比較分析綜合報告 (2026-01-21)

• ​這項研究系統地評估了大型語言模型 (LLM) 與十萬名人類的發散性創造力。結果顯示，GPT-4 等頂尖模型在發散關聯任務 (DAT) 的平均表現已超越人類。然而，AI 仍無法突破創造力天花板，其得分依舊低於最具創意的人類族群。此外，人類在詩歌與短篇小說等複雜寫作任務中仍保有優勢。研究指出，透過優化提示詞策略與提高溫度參數可提升 AI 的表現，但目前 AI 仍難以完全取代高階創意勞動力。

​

為什麼 ChatGPT 沒有意識？一杯咖啡、一張表格和一條河流的故事 (2026-01-12)

• ​當前大型語言模型因其訓練後結構固定且缺乏動態變化，本質上只是複雜的「靜態查找表」，因此並不具備意識。作者將人工智慧的靜態特性與人類認知如「流動河流」般的物理重塑能力進行對比，認為科學上難以證明固定算法能產生真正的覺知。最終結論指出，實現通用人工智慧的關鍵，在於開發出能隨經驗持續進行物理自我轉換與學習的動態系統。

​

MemEvolve (下)：為 AI 創造一個會自我進化的智慧大腦 (2025-12-21)

• MemEvolve 是一個為大型語言模型 (LLM) 智能體設計的元演化框架，它能讓 AI 的記憶系統自我進化與完善。其終極目標是將 AI 從一個僅僅「熟練的學習者」轉變為一個真正的「適應型學習者」。這種卓越的適應能力，源於 MemEvolve 獨特且智能的架構設計。以下各節我們將運用四個不同的科學概念來理解這設計。

​

MemEvolve (上)：AI 代理的記憶系統四大核心建構 (2025-12-21)

• MemEvolve 採用一種「雙層演化」的方法：內層負責累積每一個具體任務中的經驗，外層則會根據這些經驗，不斷調整與優化 AI 本身的記憶結構。換句話說，AI 不只是學會做事情，還會學習「如何更好地記住與學習」。

​​

Sophia：從『工具』進化為『生命』——具備自我意識與持久演化能力... (2025-12-20)

• Sophia 系統，是一個旨在讓 AI 智能體（Agent）從「工具」進化為「生命體」的技術框架。

​​​

VL-JEPA (下)：AI模型如何像人一樣「直覺」思考？(2025-12-11)

• VL-JEPA 是一種新型視覺語言模型，它不採用逐字生成文本的方式，而是透過聯合嵌入預測架構在連續的潛在空間中預測語義，從而忽略表面的語言差異並專注於核心意義。該模型具備「沈默且持久的感知」，能像人類的直覺或本能一樣在產生文字前直接理解物理世界，並以穩定的內部狀態即時追蹤事件的演變。

​

VL-JEPA (上)：思考不需言說的AI模型，如何在無聲中理解世界 (2025-12-11)

• VL-JEPA 是 Meta AI 開發的一種新型視覺與語言模型，重點不在一個字一個字地預測文字，而是在內部直接理解影像與情境的意義，以至安靜地理解世界。這種設計讓 AI 有著即時感知的功能。

 

邁向通用人工智慧（AGI）的「缺失層」：大語言模型如何學會推理？(2025-12-05)

• 目前的 LLM 就像是一個學富五車但缺乏自制力與邏輯的學者。開發 AGI 的目標並不是要找另一個更有學問的人，而是要給這位學者一套嚴謹的科學方法論（協調層）...

​

SIMA 2：新一代虛擬世界 AI 智能體 (2025-12-04)

• SIMA 2 是一種先進的通用型具身代理，能在多種 3D 虛擬世界中執行複雜任務。透過結合 Gemini 的推理能力與專門訓練 ...