Universal computation is intrinsic to language model decoding
本文证明了语言模型的自回归解码过程本质上具备通用计算能力，即能够模拟任何算法，而训练的过程并非赋予模型计算能力，而是提升了通过提示词（prompt）调用这些内在能力的“可编程性”。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇文章的核心观点非常震撼：语言模型（LLM）本质上就是一台“万能计算机”。
为了让你轻松理解，我们不用那些复杂的数学公式，而是用几个生活中的比喻来拆解它。
1. 核心发现：它不是“复读机”，它是“超级大脑”
通常人们认为，像 ChatGPT 这样的模型只是一个超级强大的“概率预测器”——它在玩一个“接龙游戏”，根据上一个词猜下一个词。很多人怀疑：它真的能像电脑一样进行严密的逻辑运算吗？它能解决复杂的数学或编程问题吗？
这篇论文给出了一个肯定的回答：只要你给它足够的“纸和笔”（也就是上下文窗口），它就能模拟世界上任何一种算法。
2. 形象比喻：三个时代的进化
论文中提出了一个非常精彩的概念——“计算的三大时代”。我们可以把这想象成人类如何“下达指令”并“完成任务”的过程：
- 第一时代：肉身计算（人类时代）
想象一个会计，手里拿着一叠纸和一支笔。老板给他一个指令（比如“算一下今年的利润”），会计通过手动在纸上写写画画，最后得出结果。这里的“指令”是自然语言，“纸”是记忆，“手”是处理器。 - 第二时代：代码计算（机器时代）
这就是我们现在的电脑。你不能直接对电脑说“帮我算算利润”，你必须学习一种极其严谨、死板的语言——编程语言（如 Python 或 C++）。你必须一步步写清楚：第一步做什么，第二步做什么。如果错了一个标点符号，电脑就罢工了。 - 第三时代：语言计算（大模型时代）
这就是论文所说的未来。你不再需要学习复杂的代码，你只需要用人话（自然语言）告诉模型你的意图。模型会通过“自动接龙”（自回归解码）的过程，在它自己的“文字记忆”里不断地进行逻辑推演，最终完成任务。
结论是：语言模型就像是一个“翻译官”，它把人类模糊的意图，转化成了极其精确的计算过程。
3. 最惊人的发现：它“天生”就会计算
这是这篇论文最让科学家感到“脊背发凉”的地方。
通常我们认为，大模型之所以聪明，是因为花了上亿美金、用了全世界的互联网数据去“训练”它。但论文通过数学证明发现：即使是一个完全没经过训练、参数全是随机乱码的“白纸”模型，只要它的结构（架构）是对的，它也具备“万能计算”的潜力。
比喻：
这就像是你买了一台全新的、还没装系统的电脑。虽然它现在什么都干不了，但它的电路板、CPU 和内存的结构已经具备了运行任何软件的物理基础。
- 训练（Training）的作用，并不是“赋予”它计算能力，而是“教它如何听懂人话”。
- 训练就像是给一个天生聪明的婴儿安装了一套“语言操作系统”，让他能通过你说的“人话”来调用他大脑里原本就有的计算本领。
4. 总结：为什么这很重要？
如果你以前觉得大模型偶尔会“一本正经胡说八道”或者“逻辑出错”，这篇论文告诉你：那不是因为它“脑子不行”，而是因为你“没教好它怎么用”或者“指令不够精准”。
这把研究的方向从“模型能不能计算”转向了**“如何更好地编程（提示工程/Prompt Engineering）”**。
一句话总结：
大模型不是一个只会说话的聊天机器人，它是一个披着语言外衣的万能计算机。训练的过程，只是在为这个强大的计算引擎安装一个“人类语言”的控制面板。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。