# 回归均值：大语言模型与新事物的无声消亡

> 原标题：Regression to the Mean: on LLMs and the quiet death of the new

- 来源：Hacker News 首页
- 发布时间：2026-07-06T13:20:59.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/42701
- 原文：https://rruxandra.github.io/regression-to-the-mean.html

## 摘要

这篇文章抛出一个挺冷的观察：大语言模型骨子里是个“求平均”的机器，它给你的永远是已有文本里最可能出现的那个续写，而不是真相。你给它一个它没见过的新词，它会当成错别字纠正你；你提一个离经叛道的观点，它会用“多数来源认为”把棱角磨平，把共识包装成事实还给你。更深的隐患在于反馈循环——我们把模型吐出的平均答案又当成新问题喂回去，一轮轮下来，思想的方差就漏光了...

## 推荐理由

一篇冷静到有点残酷的哲学随笔，把大模型重新定义为“求平均的机器”——它输出的是统计上最可能的续写，不是真相。新词被当错别字纠正，异见被磨平，反馈循环再把方差漏光。没给85分是因为它本质是个人观察，没有实验或数据支撑，但观点本身足够锋利，能让人重新审视自己每天在用的工具。

## 锐评

这篇文章的核心判断很直接：大语言模型在本质上是一台“均值回归”机器。它被训练来预测最可能的下一个词，所以它返回的不是事实，而是统计上的“典型”。你给它一个真正的新词或离经叛道的观点，它不会兴奋，反而会当成错别字或错误来纠正你，用“多数来源认为”把共识包装成事实还给你。

更深的隐患在于反馈循环。我们把模型吐出的平均答案又当成新问题喂回去，一轮轮下来，思想的方差就漏光了，曲线会收窄成一个尖峰。作者提醒，历史上每一个重大发现——地动说、微生物、大陆漂移——刚出现时都是“离群值”，都被当时的共识判定为错误。一个基于共识的模型，从构造上就是一台告诉你新事物是错的机器。

文章没有提供定量实验数据，论证完全基于逻辑推演和隐喻，所以它的说服力取决于你是否接受“概率续写等同于求平均”这个前提。它也没讨论人类如何利用模型进行探索性研究，比如主动要求模型生成低概率路径。这点先别太激动，它更像一篇思想随笔，而不是技术验证。