语言对于定量推理来说是不够的，结果领域需要大型定量模型

arXiv:2609.12105v1 公告类型：新 摘要：应用机器学习中的普遍假设是，诸如定价风险、分配资本、对患者进行分类或遏制网络入侵等后续定量决策的进展将源自大型语言模型 (LLM) 的进展。语言模型是根据人类描述产生的世界表示进行训练的；描述是定量记录的有损编码，并且损失是不可逆的：任何规模的下游模型都无法从描述中恢复描述未编码的内容。我们将其形式化为模型训练所依据的表示的属性，而不是模型能力的属性，并且我们确定了模型的后续设置所需的三个进一步的属性，而语言基底无法通过构造提供这些属性：再现性、从每个输出到生成的源记录的沿袭。它和校准的不确定性。我们认为这些属性定义了一个独特的模型类，我们将其称为大型定量模型（LQM）。