一位著名的AI研究员认为，当前的大型语言模型（LLMs）是基于一个错误的假设。增加参数、计算能力和训练数据将自发地带来真正的理解和意图的假设，是一个宏大的幻觉。作者认为，计算本身无法实现真正的意义，这对LLMs的未来发展和能力有着重大影响。 AI
影响 挑战了驱动当前LLM发展的基本假设，并暗示需要新的理论框架。
排序理由 一位知名人士对当前LLM发展局限性的观点文章。
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
We are living a grand illusion. As we watch Large Language Models (LLMs) draft essays, write functional code, and converse with poetic nuance, we operate under a quiet, dangerous assumption: that if we just stack enough parameters, compute cycles, and training text high enough, t…