主题：【原创】语言是载体 -- Swell

o3-mini-high作为美国最顶尖的模型之一，竟然在没有用户干预的情况下，如此大量地使用中文进行推理。

更有意思的是，即便用俄语去提问，o3-mini-high也会用中文去思考。

阿尔伯塔大学助理教授、AI研究员Matthew Guzdial提出了一个切中要害的观点：

「模型并不知道什么是语言，也不知道语言之间有什么不同，因为对它来说这些都只是文本。」

Hugging Face的工程师Tiezhen Wang认同Guzdial的看法，认为推理模型语言的不一致性可能是训练期间建立了某种特殊的关联。

他通过类比人类的思维过程，阐述了双语能力的深层含义：掌握双语绝非仅仅局限于能够流利使用两种语言，更是一种独特的思维模式。在这种模式下，大脑会依据当下的场景，本能地挑选最为适配的语言。例如，在进行数学运算时，使用中文往往简洁高效，因为每个数字仅需一个音节；而在探讨「无意识偏见」这类概念时，大脑则会自然地切换到英文，这是由于最初接触该概念便是通过英文。

4. 近期大模型让全球进一步认识到了汉字的优势，有的西方大模型居然用汉字思考了。不少西方人惊讶，在受到严重限制的情况下，中国居然迅速在大模型上取得了突破。有的西方使用者评论说，deepseek在英文“创意写作”上表现极好。这是汉字体系优势的另一个表现，而且更为本质。

5. 汉字表意，不仅有二维的整体特性，在“词元”token之间的关联上，与英语等线性文字体系，有截然不同的拓扑结构。大模型最大的任务就是为各种词言的词元建立关联权重，汉字明显有优越性，关联更有逻辑，如猪肉、牛肉、鸡肉，一月、二月、三月，关联非常自然，在英语里却全是看上去没有相关性的词。而且汉字能够轻松扩展包含融合进新概念，不需要发明新字，甚至可以减少许多字。汉字体系是“先难后易”，学会了随便看点什么知识水平就不断进步，而西方社会容易产生知识非常贫乏的人，很多成年人阅读理解能力相当成问题。

6. Deepseek的性能进步，除了大模型数据结构、训练算法、代码优化，新闻里没有说的，是对中文训练数据的整理、评估。业界传Deepseek非常重视数据标注，梁文锋自己都来打标，请北大中文博士来打标。高质量的数据，就象严师，让Deepseek R1有了非常强大的中文能力。它似乎以中文思维为底座，有了不一样的灵活思维，群众普遍反应和以前的大模型不一样。即使用英文输出，在创新写作上也能表现出能力。

7. 因此，Deepseek取得性能突破，很可能受益于中文体系。一个简单的事实是，只有中文和英文能够以自己为主，构建对人类知识体系的完整理解。许多语言甚至连科学词汇都没有，生造新词也不行，还不如改学英文或中文。