Yann LeCun 认为，当前的大型语言模型（LLMs）由于缺乏预测后果或执行基于搜索的推理的能力，并非通往人类水平智能的道路。他提倡他的联合嵌入预测架构（JEPA）方法，该方法侧重于世界模型的自监督学习。JEPA 旨在通过预测缺失的数据嵌入来学习表征，他认为这种方法在实现通用智能方面更有前景。 AI
影响 Yann LeCun 对 LLM 的批评以及对 JEPA 的推广表明，人工智能研究的重点可能会从纯粹的语言模型转向基于世界模型的 AGI 实现方法。
排序理由 Yann LeCun 在一次播客访谈中表达了他对 LLM 局限性的看法，并推广了他的替代方法（JEPA）。
在 Mastodon — fosstodon.org 阅读 →
- FAIR
- Joint Embedding Predictive Architectures
- Large Language Models
- Unsupervised Learning podcast
- Yann LeCun
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →