代数量子智能：可复现机器创造力的新框架

大型语言模型（LLM）在生成流畅且符合上下文的文本方面取得了显著成功；然而，其产出真正创造性结果的能力仍然有限。本文提出，这一局限源于当代 LLM 的一个结构性特性：当提供丰富上下文时，后续生成的空间被强烈约束，生成过程实际上受近确定性动力学支配。测试时扩展与上下文适配等近期方法可提升性能，但并未从根本上改变这一约束。为解决这一问题，我们提出代数量子智能（Algebraic Quantum Intelligence，AQI），一个支持语义空间系统性扩展的计算框架。AQI 被表述为一种受量子理论启发的非对易代数结构，使序依赖、干涉和不确定性等性质能够以可控且可设计的方式实现。语义状态表示为希尔伯特空间中的向量，其演化由从非对易算子计算出的 C 值支配，从而确保多个未来语义可能性的共存与扩展。在本研究中，我们通过为基于 transformer 的 LLM 扩展 600 多个专用算子来实现 AQI。我们在 LLM 作为评判者的协议下，在横跨十个领域的创造性推理基准上评估所得到的系统。结果表明，AQI 持续优于强基线模型，带来统计显著的提升，并降低了跨域方差。这些发现表明，非对易代数动力学可以作为机器创造力的实用且可复现的基础。值得注意的是，该架构已在真实企业环境中部署。