Percepta AI 发布了一项引人注目的研究：他们探索了一个根本性问题——LLM 能否成为真正的计算机？
核心思路
传统观点认为 LLM 是通过训练学习「程序近似」，而 Percepta 的方法是将程序直接编码到 Transformer 的注意力和 MLP 层中执行。
主要发现：
- 程序内嵌执行：通过精心构造的权重矩阵，Transformer 可以精确执行确定性算法（如排序、搜索），而非近似模拟
- 指数级推理加速：对于可以表示为递归程序的任务，这种方法可获得指数级速度提升
- 理论基础：研究建立在 Transformer 是通用近似器的数学证明上，进一步证明了其可作为图灵完备计算机的可能性
为什么重要
这一研究提示了一个颠覆性方向：未来的模型或许不需要大规模参数来「学会」推理，而是直接「运行」结构化程序——这对 AI Agent 的确定性、可靠性和效率有重大意义。
该帖子在 Hacker News 获得超过 120 分，引发广泛讨论。