历史并非如大语言模型所想的那般频繁重演

本文探讨了大语言模型（LLMs）在生成历史叙事时容易陷入“历史重演”的认知偏差。尽管LLMs能高效处理大量文本，但它们倾向于过度概括历史模式，忽略独特语境和偶然事件。作者通过分析模型输出中的循环叙事倾向，指出这种偏差可能让人们对历史的理解变得简化甚至失真，呼吁在AI辅助叙事时保持更严谨的历史视角。