Разбор: рабочая память моделей на порядки больше человеческой

Дэвиде Пиффер разбирает, почему модели решают математические задачи, которые ставят в тупик людей, и при этом не выглядят умнее математиков. Его объяснение — в объёме удерживаемого одновременно материала: человек держит в рабочей памяти единицы элементов, модель — десятки тысяч токенов контекста разом.

Отсюда наблюдаемая картина: там, где задача сводится к перебору и удержанию длинной цепочки условий, модель выигрывает механически; там, где нужен новый ход, преимущество исчезает. Автор трактует часть успехов на олимпиадных задачах как следствие ёмкости, а не понимания.

В обсуждении на Hacker News главное возражение — что аналогия с рабочей памятью человека натянута: контекст модели работает иначе и деградирует к концу, так что сравнивать числа напрямую нельзя.