当人们看到"苹果""香蕉""西瓜"等词语时，尽管这些水果在颜色、形状和味道上各不相同，大脑仍会自然而然地将其归类为"水果"。

即便初次接触"火龙果"这个陌生词汇，人们也能通过语义关联推断出它属于水果类别。

这种认知能力被称为语义压缩，它帮助人类高效组织知识体系，快速完成对世界的分类认知。

然而一个值得思考的问题是：尽管大型语言模型（LLM）展现出惊人的语言处理能力，但在语义压缩方面能否达到与人类相似的权衡水平？

为探究这一问题，由LeCun领衔的研究团队构建了创新的信息论分析框架。

该框架通过系统比较人类与LLM的语义压缩策略，揭示了二者在压缩效率与语义保真度上的本质区别：

LLM倾向于追求极致的统计压缩，而人类则更注重细节保留与语境理解。

语义压缩对比研究框架

要科学评估LLM与人类概念表征的异同，研究需要两个关键支撑：

首先是可靠的人类概念分类基准。研究团队整合了认知科学领域三项经典研究（Rosch 1973/1975，McCloskey-Glucksberg 1978），构建了包含1049个项目、34个语义类别的标准化数据集。

这些数据不仅提供类别归属信息，还包括人类对项目典型性的评分，完整呈现了人类概念认知的深层结构。

相较于现代众包数据，这些经过专家严谨设计的数据集具有更高的信效度，为LLM的类人性评估提供了精准参照。

其次是多样化的LLM模型选择。研究选取了30余个不同规模的LLM（包括BERT、LlamA、Gemma、Qwen等），参数范围从3亿到720亿不等。

所有模型均采用输入嵌入层的静态词元表示，以匹配人类分类实验中的"去语境化"设置，确保评估基准的一致性。

核心发现：表征策略的本质差异

研究证实，LLM的概念分类结果与人类语义分类的吻合度显著高于随机水平，这验证了LLM具备基础的语义组织能力。

但深入分析发现，LLM在细粒度语义理解上存在明显局限：

• 模型内部概念结构与人类类别直觉存在偏差
• 典型性判断与余弦相似度的相关性普遍较弱
• 难以准确捕捉细微的语义差异

关键差异体现在：LLM侧重统计层面的信息压缩，追求最小化冗余；而人类更注重认知的适应性与丰富性，强调保持语义的灵活性与语境完整性。

研究团队与学术价值

这项由斯坦福大学与纽约大学合作的研究，其第一作者为斯坦福博士后研究员Chen Shani。

值得关注的是，图灵奖得主Yann LeCun作为合著者参与研究。LeCun是Meta首席AI科学家、纽约大学教授，被誉为"深度学习三巨头"之一。

他在1980年代提出的卷积神经网络架构LeNet-5，为现代深度学习奠定了重要基础。2018年，LeCun与Hinton、Bengio共同荣获计算机领域最高荣誉图灵奖。

作为自监督学习的积极倡导者，LeCun持续推动着人工智能技术的发展。这项研究为理解LLM与人类认知的差异提供了重要洞见。

论文地址：https://arxiv.org/abs/2505.17117
参考链接：https://x.com/ziv_ravid/status/1928118800139841760

不能成为实权人物意味着什么（解析有名无实的权力困境与自我实现障碍）

出生在寅时的猴宝宝一生运势喜忧参半，虽得父辈扶持且才华出众，却易陷入有名无实的权力困境。这类人虽能进入仕途，却难握实权，婚姻与财运亦多波折，甚至可能遭遇离婚或破财。实权与虚名的本质差异在于能否行使实际功能，而小人得势时往往加剧权力失衡，正如古语“小人得志，君子道消”所警示的。

政治斗争中常见“手握重兵无实权”的现象，表面掌权者可能仅是傀儡。从古代木偶戏衍生的“傀儡”概念，至今仍用于形容被操控的个人或组织。明代文献《陶宅战归序》便指出“在上者冒虚位，在下者无实权”，章炳麟更强调革命者“本无实权”却需以成败论英雄的现实矛盾。

职场中的虚权现象同样值得关注。拥有高级职称却无实际职务的“实改非”干部，或架空领导等案例，揭示权力名实分离的普遍性。日本明治维新成功与中国戊戌变法失败的对比，印证实权分配对变革的关键作用——当权者是否掌握实际资源，直接影响历史进程的走向。

从命理学角度看，印星象征的印章权力需与官星结合方能成为实权派。现代社会更验证“高级职务不如有效实权”的规则，企业家若能真正掌控资源，其影响力远超虚职。无论是宦官擅权的历史教训，还是当代组织管理中的强制性权力运用，都在提醒我们：实权的本质在于有效行使，而非名义占有。