文章摘要
文章指出，随着AI模型进步而人类停滞不前，人类反而开始表现出类似大语言模型(LLM)的缺陷。主要问题包括：人类在对话中不知何时停止，会持续输出无关内容；以及像AI一样存在"小上下文窗口"问题，难以理解复杂情境。作者认为这些原本是AI的缺陷，现在却更常见于人类对话中。
文章总结
标题：人类身上观察到的"大语言模型问题"
来源网站：embd.cc 发布日期：2026年1月7日
核心内容：
随着AI模型不断进化而人类认知能力停滞不前，作者发现许多原本被认为是大型语言模型(LLM)的缺陷，如今在人类对话中反而更为常见。以下是七个典型现象：
不知何时该停止输出 人类常对简单问题给出冗长且离题的回答，就像早期语言模型无法控制生成长度一样。
有限的上下文窗口 人类在长对话中容易遗忘关键信息，而现代AI模型能保持更持久的记忆。作者戏称希望能像升级AI一样"升级"人脑。
训练数据过于狭窄 与能跨领域讨论的AI不同，多数人只能在自己专业领域内进行有效对话。
重复相同错误 人类虽具有长期记忆，却常在对话中反复犯同样的逻辑错误，修正效果远不如AI即时更新。
缺乏泛化能力 人类难以将某个情境中学到的原理迁移到类似场景，常以"情况不同"为由拒绝应用。
无法具体应用原理 与能灵活运用通用规则的AI相反，人类常难以将抽象原则应用到具体实例中。
持续性幻觉 人类坚持错误认知的现象与AI"幻觉"相似，但更难通过提供新证据来纠正。
结语部分指出，AI的进步正在改变人际互动模式：一方面可能削弱人类之间的深层联系，另一方面也促使人类重新思考自身认知局限。作者甚至自嘲本文部分内容就是由GPT-5协助完成的，因为AI在某些方面已明显优于人类。
（注：原文中关于图片引用、网站导航菜单等非核心内容已省略，保留了主要观点和典型例证。技术术语如"上下文窗口"、"泛化能力"等均按计算机领域通用译法处理。）
评论总结
以下是评论内容的总结，平衡呈现不同观点并保留关键引用：
1. 对LLMs与人类交流能力的比较
部分评论认为LLMs在智力上已超越部分人类，甚至能通过图灵测试： - "I fear that they already outpaced a good portion of the population 'intellectually'"（评论4） - "At this point LLMs usually beat humans at the Turing Test!"（评论21）
但也有反对观点认为这种比较过于宽泛： - "It's like getting a gorilla to fly an airplane...the details and circumstances are different"（评论19）
2. LLMs的局限性
用户抱怨LLMs存在固执己见、代码能力差等问题： - "both Gemini and ChatGPT tend to argue with me...inject their own weird stupid ideas"（评论3） - "From my personal experience...it can't even correctly write few lines of code"（评论10）
3. 对人类互动的反思
部分评论批评作者将人际关系工具化： - "This whole post is coming from a place of reducing every relationship...it's kind of disgusting"（评论11） - "this might be one of the most sociopathic things I've ever read"（评论13）
4. 术语与训练数据的讨论
- 建议用"confabulation"替代"hallucination"（评论9）
- 提议"find other datasets not generated by humans"（评论8）
5. 社会影响的不同看法
乐观观点认为AI不必完美： - "they don't have to be perfect when half the people on the road are...high"（评论17） 悲观观点认为这是"dystopian"（评论14）
关键分歧在于：是将LLMs视为人类缺陷的镜像（评论6提到"common in children"），还是本质上不同的存在（评论22指出人类无知时"more obvious"）。