English(EN) A model of errors in transformers

新模型解释大型语言模型在重复任务中的错误

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-14 05:00

研究人员开发了一种新的定量模型，用于解释大型语言模型（LLM）的错误率，特别是在需要确定性输出和重复令牌处理的任务上。该模型认为错误会在注意力机制中累积，超过一个阈值后会导致不正确的预测。这个框架受到有效场论的启发，确定了两个关键参数——基本噪声率和合理错误令牌的数量——它们根据任务复杂度来控制准确性。使用Gemini 2.5 Flash、Gemini 2.5 Pro和DeepSeek-R1进行的实证测试与模型的预测高度一致，为解释LLM中“推理崩溃”的理论提供了另一种视角。 AI

影响提供了一个新的框架来理解和潜在地减轻LLM中的错误，特别是在需要精确性和重复性的任务中。

排序理由详细介绍LLM错误新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍LLM错误新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Suvrat Raju, Praneeth Netrapalli · 2026-11-14 05:00

Transformer中的错误模型

arXiv:2601.14175v2 Announce Type: replace-cross Abstract: We study the error rate of LLMs on tasks like arithmetic that require a deterministic output, and repetitive processing of tokens drawn from a small set of alternatives. We argue that incorrect predictions arise when small…

本文如何被排名

报道来源 [1]

Transformer中的错误模型

相关实体

相关话题