一篇新研究论文介绍了一个公理化评估框架,用于评估大型语言模型(LLMs)的潜在思维表征。该框架独立于下游基准测试分数,形式化了四个功能性公理:因果性、最小性、可分离性和稳定性。对23个推理任务中的开放权重LLMs进行审计后发现,没有模型能同时满足所有四个公理,这表明LLMs在表征内部思维方面存在结构性限制。 AI
影响 这项研究突显了当前LLM推理能力的根本性局限,表明需要新的架构或训练方法。
排序理由 该集群包含一篇详细介绍LLM新评估框架的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →