这还是一个封闭性的问题。 CAN 的硬件软件协议是限制条件，这几个限制就把问题搜索空间大大缩小了。这整个上下文就是一个有限状态机，虽然穷举所有情况代价太高，但每一个具体问题可穷举的空间很小。你遇到的这几个问题都是肯定可以解决的，只要1）可重复， 2）有手册。chagpt 在这个解决过程中展现的能力确实惊人，但只是辅助性的作用，而主导的还是你的提问。

但开放性的问题，chatgpt （包括4.0）没法做到这么惊人。比如，如果只需要商的最小几个 bit， Barrett reduction 能否有改进空间？如果没有的话，是否意味着 Montgomery reduction 也不能？如果有的话，能不能加入 arithmetic masking？这一类问题 chatgpt 会迅速进入瘫痪状态，没法给出有意义的回答。当然，说实话我也不指望机器对这种问题能有突破性的回答，但哪怕是找到相似的论文中的结果，机器都做不到。


【 在 lvsoft 的大作中提到: 】
: 因为我发文的时候还在用chatgpt写code，所以让它做的都是杂活。
: 后面我开始用它调试代码，这个时候面对的就都是开放性问题了。
: 我把debug过程的对话附上，这次格式化成pdf版本，看起来会清晰一点。
: ...................
--
FROM 37.136.9.*

先谢谢。

首先，它给的方向是显而易见的，但需要更实际的内容才有意义。

它给的论文和书我看过一些，因为有几篇是超高引用的。但貌似没有聚焦在这个问题上的书或论文。这个问题的大范畴（B 和 M reduction）比较旧，但引入了 LSB 和 arith masking 是相对来说比较新的东西（最近10年才开始有人关注，最近两年是热点问题）。所以对它来说挑战太大。

它给的会议都是对的，IACR 是大本营。但它给的论文里有一篇是它虚构的（Artemij Voskoboynikov）。

话说回来，即使是一个这个领域的专家，也很难给出更好的建议了。因为如果有可操作的建议，已经可以投稿给顶会了。

刚好前两天发生了这么件事。有一个 spec 里的算法的一步是做多项式减法，比方说是 a - b，其中的元素是 polynomial over prime field。我实现的时候发现 a - b 不如 b - a 快，因为 b - a 在那个上下文里少了两次 load。根据常识 a - b != b - a，但我偏偏试了一下调换减法的顺序，意外发现算法最后的结果一样。我惊讶之余问一个同事（一个数学家）这怎么回事。同事考虑了半分钟指出了原因，在这个算法里这个减法的顺序确实是不重要的，而 spec 似乎没有发现这点。

在这件事里我扮演的是 gpt 的角色：不知道所以然，但凑巧拼出来一个解法。而同事扮演的是人的角色，对意外给出了解释。

我对 gpt 的要求其实就是类似于这种，你可以貌似有理性的胡说，但你要有潜力能蒙对一次。而人在这个过程中，必须既能快速判断机器是不是在胡说，又能判断出蒙对的那次。比方你给的长篇的例子，没有清醒的头脑很容易被机器弄迷糊了，但你能最后找到解法，关键还是在你，机器只是在罗列。

【 在 lvsoft 的大作中提到: 】
: 刚才急着出去散步，就没多问几句。
: 回来我也很好奇它对学术界的了解如何，再问了下，顺便把你的问题也问了问，直接发会被审核，我把整个聊天过程作为附件上传。
: 其实数学方面的能力是GPT4最弱的项目，然后编程是它倒数第二弱的。总体来说我还是一开始的感觉，对它的综合评价是四个字：“全知低能”（其实也没那么低了...chatgpt3.5可以算是低能，gpt4能力还是强很多的，算是刚过专业门槛吧）。能力方面大概就是个二本生的程度，但知识面方面可以涵盖人类一切知识，包括我自己最精通最熟悉的领域，它也能给我一些意外惊喜。
: ...................
--
FROM 37.136.9.*