摘要由 AI 生成
2026 年 8 月 24 日,MIT Tech Review AI 报道指出,人类儿童在母语掌握上仍显著优于最复杂的语言模型。尽管 ChatGPT、Claude 及 DeepSeek 等 LLM 能流利对话,但其训练需消耗海量数据,而儿童仅需约一亿至三亿词汇即可精通语言。斯坦福大学认知科学家迈克尔·C·弗兰克指出,LLM 需处理相当于整个城市一代人经验的语料才能达成儿童一年内完成的里程碑。随着互联网易获取数据可能枯竭,通过逆向工程人类学习机制来创造更高效 AI 模型成为关键挑战,这有助于解决语言习得本质及儿童心智发展等科学问题。
关键实体KEY ENTITIES
ChatGPTClaudeDeepSeekGeorgetown UniversityLlama 3.1OpenAIStanford University
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
信号强度SIGNALS
关键词热度
- ChatGPT1
- Claude1
- DeepSeek1
- OpenAI1
- Llama 3.11
- Stanford University1
- Georgetown University1
全部报道(1)SOURCES
↗
人类儿童在掌握母语方面仍优于最复杂的语言模型,这被称为“数据效率差距”。尽管 ChatGPT 等 LLM(如 Claude、DeepSeek、GPT)能流利对话,但其训练需消耗海量数据,而儿童仅需约一亿至三亿词汇即可精通语言。斯坦福大学认知科学家迈克尔·C·弗兰克指出,LLM 需处理相当于整个城市一代人经验的语料才能达成儿童一年内完成的里程碑。随着互联网易获取数据可能枯竭,通过逆向工程人类学习机制来创造更高效 AI 模型成为关键挑战,这有助于解决语言习得本质及儿童心智发展等科学问题。