arXiv 论文探讨语言模型与 Solomonoff 归纳

2026 年 10 月 14 日，arXiv 人工智能板块发布一篇由 Luan Ozelim、Abicumaran Uthamacumaran 与 Hector Zenil 撰写的论文，题为《语言模型能从 Solomonoff 归纳法继承什么？局限、可达性质与已服务条件分布揭示的内容》。论文借助算法信息论、通用预测与贝叶斯一致性结果展开分析，指出任何可计算模型都无法在统一意义上逼近 Solomonoff 归纳法：每个模型都有其永远学不会的廉价环境，且任何一致可计算的全预测器族都存在一个环境，使各成员在随其索引增长的范围之外失败。截至该报道，事件进展为论文在 arXiv 发布并给出上述结论，尚无后续跟进报道。早先报道未涉及该论文的具体结论，后续报道补充了上述局限性与可达性质方面的论断。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。