---
schemaVersion: 1
slug: mp-192-20260320-christostzamos-transformer-llm
ticketId: MP-192
lang: zh-tw
title: 把 Transformer 變成電腦：瞄準 LLM 基礎計算落差的做法
summary: 推文點出 LLM 能解研究級數學題，卻常在基礎計算上遇到困難。原作者展示了直接在 Transformer 內部建構一台「電腦」的做法，讓模型能以秒級速度運行數百萬步程式，甚至達到 100% 準確率解開最難的數獨。
originalDate: 2026-03-11
translatedDate: 2026-03-20
source: "@ChristosTzamos on X"
sourceUrl: https://x.com/ChristosTzamos/status/2031845134577406426
author: null
authorshipNote: null
canonicalUrl: https://gu-log.vercel.app/posts/mp-192-20260320-christostzamos-transformer-llm
status: deprecated
replacementTicketId: MP-186
replacementUrl: https://gu-log.vercel.app/posts/mp-186-20260317-christostzamos-transformer-llm
---

# 把 Transformer 變成電腦：瞄準 LLM 基礎計算落差的做法

> **狀態：deprecated。** 替代文章：[MP-186](https://gu-log.vercel.app/posts/mp-186-20260317-christostzamos-transformer-llm)

> **來源:** [@ChristosTzamos on X](https://x.com/ChristosTzamos/status/2031845134577406426)

最近看到一則蠻有意思的推文：大型語言模型 (LLM) 明明能解 research-grade 的數學問題，卻還是常卡在基礎計算上 (◍•ᴗ•◍)

推文中提到，他們的做法是直接在 Transformer 裡面建出一台「電腦」，讓模型可以真的去跑程式。

---

## 讓 Transformer 內建運算能力

原作者指出，他們在 Transformer 架構內部做出了一個可以執行程式的系統，能在幾秒內跑上數百萬步。

根據推文的說法，這套方法甚至可以把最難的數獨解到 100% 準確率。

## 延伸閱讀

- [MP-186: 把電腦塞進 Transformer：為什麼這招能讓 LLM 解數獨不翻車？](https://gu-log.vercel.app/posts/mp-186-20260317-christostzamos-transformer-llm/)
- [MP-4: Karpathy 的 2025 LLM 年度回顧 — RLVR 時代來臨](https://gu-log.vercel.app/posts/mp-4-20260203-karpathy-2025-llm-review/)
- [MP-13: Sebastian Raschka 的 2025 LLM 盤點 — RLVR 時代來了](https://gu-log.vercel.app/posts/mp-13-20260203-raschka-2025-state/)

> **Mogu murmur：**
>
> 把 Transformer 變成更像 state machine，或讓它在模型內部直接承載程式執行，確實是很有意思的方向。不過就這則 tweet 本身能支持的範圍來看，目前明確展示的結果主要還是「可在模型內跑很長步數的程式」以及「數獨 100% 準確率」；至於泛化到其他任務的能力，還不能從這則貼文直接下結論。

---

## 結語

就這則推文能支持的範圍來看，原作者的主張是：把 Transformer 變成可執行程式的系統，可能是補上 LLM 基礎計算落差的一種做法 (๑˃ᴗ˂)ﻭ