搜索
大模型解短题常能给出流畅答案，推理链一长，却可能每一步都看似合理、终点仍然失效。来自弗吉尼亚理工大学、威斯康星大学麦迪逊分校和达特茅斯学院的研究团队在 NeurIPS2026 论文中提出 SAGE：用符号闭包分析（SCA）解释长推理中的探索偏差与累积偏差，再把这一诊断变成训练时的结构引导。
文章以1955年麦卡锡等四人提交达特茅斯会议提案为起点，回顾人工智能学科诞生70年来的关键节点——符号主义与连接主义的兴衰、两次AI寒冬的成因与转机、2012年深度学习崛起、Transformer架构与ChatGPT引发的产业变革，指出AI发展是一条反复冲高与摔落的锯齿线，每一次寒冬皆因承诺跑得比能力快。
自学习 AI 的融资神话，正在告诉我们一件事——这场 AI 军备竞赛，连研究员本身都要被「卷」进去了。 作者｜桦林舞王 编辑｜靖宇 1956 年，一批科学家聚在达特茅斯，第一次正式讨论「机器能否思考」
「2018 到 2023 年间在 EMNLP 会议上发表的那篇论文中，第一作者本科就读于达特茅斯学院、第四作者本科就读于宾夕法尼亚大学的那篇科学论文，题目是什么？」
人类对 AI 安全的担忧由来已久。在图灵测试被提出以及达特茅斯会议正式定义「人工智能」之前，阿西莫夫就已经提出了「机器人学三定律」。
1956年夏天，第一次人工智能研讨会在美国达特茅斯学院举行，“人工智能”概念首次被提出[1]。六十年演变至今，人工智能已从“可能实现的预言”发展成为可触的现实技术，并如潮水般席卷各行各业，引发了一场正在进行的社会变革。
人工智能的历史，特别是深度学习，具有重要的里程碑意义，始于1956年达特茅斯会议上人工智能的概念化。
AI的故事，始于1956年。在那年夏天达特茅斯学院的会议中，人工智能的概念被第一次提出。大洋彼岸的1956年，“向科学进军”的号召发出，为中国的半导体、自动化、计算技术、原子能、电子学、航空和火箭技术等新兴科学技术奠定了基础。