contrastive Gibbs model

新的格表征假设统一了人工智能模型收敛理论

一篇新论文提出了格表征假设（LRH），以统一关于人工智能模型如何收敛到共同表征的不同观点。LRH提出，之前的假设，如柏拉图表征假设（PRH）和亚里士多德表征假设（ARH），代表了格结构中的不同对齐标准。该论文表明，PRH的收敛主张与该格的顶部一致，而支持它的证据通常来自格底部附近的标准。对大量预训练的视觉和语言模型以及理论模型的实验支持了这些结论，旨在建立一个分析表征假设的通用理论。