AI创新瓶颈：突破固定表征框架的“词汇”与“验证”鸿沟

随着AI系统在推理、编码、定理证明等复杂任务中表现日益突出，研究者发现当前系统存在一个根本性局限：它们都在预设的固定表征框架内运作。这意味着模型的概念词汇、可搜索的解空间以及成功评判标准都是预先设定的。arXiv最新研究指出，要实现真正的开放式创新，AI需要具备创造、稳定和重用新表征基元的能力——这需要改变搜索空间本身，而不仅仅是在既定空间内搜索。

该研究通过两个关键概念揭示了当前AI与开放式智能的差距。首先是“词汇鸿沟”：现有系统擅长重组已有概念，却难以发明和稳定全新的表征基元。其次是“验证鸿沟”：评估新表征的价值极具挑战性，因为其全部价值可能需要未来多次重用才能显现。研究者将智能行为视为一系列认知转换过程，区分了在固定框架内操作的“空间内转换”与可能修改框架本身的“生成性转换”。

基于这一分析，研究团队提出了创新自主性的阶梯模型，并规划了推进开放式AI的多个方向：包括奖励有用表征变化的目标函数、用于存储发明基元的持久记忆架构，以及能够随评估表征同步进化的自适应验证机制。这些探索为突破当前AI的固定表征限制提供了理论框架和技术路径。