量子科技中心_量科网

量子程序生成所需的精确度可能与大型语言模型（LLM）推理过程中的统计推理方式存在固有矛盾。从数学角度而言，模型幻觉无法避免且无法通过规模扩展来解决，这会导致生成不可行的解决方案。该研究团队提出，在受约束领域开发的量子编程助手和AI自动化系统，必须采用优先考虑验证机制的架构。其观点基于三个核心论据：经过验证的训练数据能让模型将精确约束内化为学习结构，而非统计近似；验证必须约束生成过程而非仅过滤输出结果，因为有效设计方案所处的子空间会呈指数级缩小；当物理定律构成正确性标准时，必须将验证机制作为架构原语嵌入系统。早期实验表明，未经数据验证的LLM在电路优化任务中最高仅能达到79%准确率。该工作将这些主张确立为量子计算和AI4Research领域的必要准则，呼吁将验证机制从事后补丁提升为AI4Research的架构基石。