深度分析
大型語言模型展現量子特徵：貝爾不等式違背與玻色-愛因斯坦統計
本研究以大型語言模型作為受測者，探討概念組合中的量子結構。實驗顯示 ChatGPT 與 Gemini 在貝爾不等式測試中明顯違背上限，且產出文本遵循玻色‑愛因斯坦統計而非麥克斯韋‑波爾茲曼分布。此結果暗示人工智慧語言在語意向量空間中具備與人類認知相似的量子組織特性，可能重塑未來 AI 認知模型的設計方向。
深度分析
本研究以大型語言模型作為受測者，探討概念組合中的量子結構。實驗顯示 ChatGPT 與 Gemini 在貝爾不等式測試中明顯違背上限，且產出文本遵循玻色‑愛因斯坦統計而非麥克斯韋‑波爾茲曼分布。此結果暗示人工智慧語言在語意向量空間中具備與人類認知相似的量子組織特性，可能重塑未來 AI 認知模型的設計方向。
速報
研究指出傳統神經網路在精確數學對稱性上需大量參數且易不穩。團隊提出通用量子轉換器（UQT），利用多量子位的幾何相位與 SU(2) 波干涉，在 5 顆量子位上精確學習模 11 算術與 S4 置換群。實驗顯示 UQT 收斂後具決定性泛化，並在 IBM NISQ 硬體上驗證，可克服自注意力的二次複雜度瓶頸。