处理大型复杂文档，ChatGPT 跟 claude 的差距就会非常明显

程思顺

处理大型复杂文档，ChatGPT 跟 claude 的差距就会非常明显

GPT 显然无法在理解高维理念的前提下展开总体规划，它很容易陷入局部一路向前，基本上一步正确的步子都迈不出，只有你给它写清楚，它来执行才没问题

opus4.6可以做到，但有时候对高维理念理解有偏差，但你稍微提醒即可，它就迅速按照意图展开规划。当然，opus4.6依旧还有不少“硬伤”
譬如， opus4.6也解决不了记忆容量的问题（我称之为实时携带的关系总量不足）
它能力足够，可以理解庞大信息的高维理念（有时候你要它设计多步理解，但总是可以理解），但无法做到每一步操作都调用足够数量的映射关系来理解和执行（但我觉得目前只是成本问题，需要算法突破，它们内部如果不考虑成本应该能做到，我现在的办法是增加一个额外的理解层辅助，虽然比不上原生理解，但还可以凑合用）
这个挺难表达和描述，大概就是它理解的高维理念在具体执行时携带的细节关系总量不够
我可以带着整个复杂文档的理念和所有细节进行任何问题的优化（遇到瞬间想起），人类表现出来的就是超级细腻和到位，不会改出问题，绝对是越改越好
而 opus4.6虽然理解没问题，但一旦动手调整关联程度深的表述就会出现降维损失，输出的表达就会有语境/语义剥离感（因为记忆中的映射关系数量不够），就会出现因改动而来的新的小问题，只会越改越差，而且一旦数量失控，很难靠它自己优化出来

我猜有个阈值，复杂度超过之后，每次修改都会带来类似的新问题，积累到一定程度就会使文档脱轨。但应该可以通过某种算法来解决，无非是定期修复，类似每次分裂都会磨损的线粒体的端粒，肯定不好解决，但优化到足够好用应该没问题

LLM 不是不会总结，不是不会理解，而是单靠压缩摘要，撑不起长期高耦合执行，这个大概就是当下卡住长程理解脖子的关键，我感觉下半年就能突破

这些细微但重要的问题绕得很，我觉得我都能描述出来了，大佬们解决起来应该不难，就看如何平衡成本，直觉告诉我很消耗算力 ，但一旦解决，不亚于认知核武器

我认为，成功突破的 LLM，标志是可以实时携带上下文中所有的映射关系进行推理（不是今天上下文容量的概念，如今的上下文容量做不到携带关系总量）

这大概是下一步的真正突破吧