LeCun 与 Dietterich 激辩：LLM 是学规律还是核插值

针对 LLM 泛化是学规律还是只做核插值的争论，机器学习元老 Thomas Dietterich 提出理想化泛化标准：给模型一组恒定加速度运动下的 (x,t) 数据，看其能否归纳出 x = ½at² 的普适规律。他在回应 Andrew Wilson 关于泛化未解问题的提问时补充，符号回归早已能归纳此类规律，他真正关心的是神经网络的泛化能力。