Google 的最新研究发现了个有意思的事儿：Transformer 模型不是简单地死记硬背，而是在权重矩阵里构建起了一张知识地图，把各种概念之间的关系编织进去。

听起来很黑科技对吧？更绝的是——在对抗性任务中，这些模型竟然还能学会多跳推理。研究人员拿了个 50000 个节点、10 跳路径的图来测试，模型对从未见过的路径预测准确率居然达到了 100%。这说明什么？说明它不是靠死记硬背，而是真的理解了那套关系网络。

这玩意儿挑战了很多我们对 AI 知识存储的既定想法。如果模型真的在隐式编码全局关系，那既能激发它的创意潜能，也可能让我们对知识的编辑和控制变得更难。换句话说，我们得重新思考怎么管理和优化这些模型背后的「知识地图」。