LLM（大语言模型）无法对数字进行准确运算的底层原因是什么？
来，告诉我：
21390171757326289237901831890170857902830328917157823801930189127597129380129301293129048395737812637617536880850193019
*
4812957125635164678195918609126749471632164085096395729738163761248093289979175816836218638126816836186381215635801930
=多少？
给你1秒钟时间，写出答案。
现在你知道为啥大模型不擅长数字底层运算了吧？这能擅长不有鬼了？直接zeroshot出数字，还是从头上开始出，这要是每次都是100%，那这个世界早没人类什么事情了。这就是三体人来降维打击了。
人类解决这类问题也是依抽取模式，然后调用外部工具解决。只不过最开始人类的工具有点蠢，是竖式乘法。那大模型调用python解决问题，本质上也是一回事。
数学与逻辑的本质，不是算数，而是模式。这也是为什么russel要花几百页在他的principalmathematica里面证明1+1=2这个问题。而之所以LLM不擅长数学，并不是因为LLM不擅长文本，而是因为数学文本对自然语言文本太少了，且很多背后不是模式，而是算式，因此LLM学不到什么东西。如果说LLM无法学到小概率的分布，那是太天了。因为LLM动辄10w+的词表，自回归生成1000个词，如果是随即鹦鹉，那么这概率打出合理的文字就是不可能的。因此但凡给足够的数据，LLM做数学题也绝对不在话下。
不过人类也不擅长数学，理由同上。数学不是人类常最经常使用的东西，不擅长情有可原。
