实体
Peirce
Peirce
PulseAugur coverage of Peirce — every cluster mentioning Peirce across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
像 Kimi k3 这样的 LLM 缺乏创造性推理，呼应了爱因斯坦时代的论点
作者认为，即使是像 Kimi k3 这样拥有海量参数的当前大型语言模型（LLM），在进行真正的创造性飞跃或解决矛盾方面也存在根本性的局限性。这种局限性源于它们依赖归纳和演绎，呼应了 Amni Rusli 在 2014 年的一篇博文中提出的论点以及 Google DeepMind 最近题为“LLMs Can't Jump”的论文。这些来源表明，虽然 LLM 擅长根据现有数据（归纳）生成流畅的文本并遵循逻辑步骤（演绎），但它们缺乏溯因（a…
-
大语言模型文本处理详解：从词数统计到语言学和符号学 · 追踪8个来源
一系列文章探讨了大语言模型（LLM）如何处理和理解文本的技术基础。作者深入介绍了各种方法，从基本的词数统计和TF-IDF、马尔可夫链等统计技术，到Word2Vec、MLP、RNN和LSTM等更先进的神经网络方法。该系列还触及了理解LLM功能所必需的语言特征和符号学理论，并强调这些模型是复杂的机器，而非有意识的思维体。
-
LLM：从文本处理到符号学和语言层级
该集群探讨了大型语言模型（LLM）的语言学和计算基础。它深入研究了计算机如何处理文本，从基本的标记化和TF-IDF、马尔可夫链等统计方法，到用于创建单词数值表示的Word2Vec等更高级的技术。分析还涉及符号学，运用索绪尔、皮尔士和德里达的理论来解释为什么LLM虽然强大，却不等同于人类心智。此外，它还考察了语言的五个层级——语音学、形态学、句法学、语义学和语用学——以及LLM如何处理这些语言结构。