那么Ilya和Yann LeCun都错了吗?(LLMs正在泛化。)
摘要
这篇文章讨论了AI批评家Ilya Sutskever和Yann LeCun是否错误地认为LLMs无法达到人类智能,因为有新兴证据表明LLMs正在跨领域泛化。
我了解到至少在一定程度上,我们开始看到LLMs在所有领域泛化的证据。这两个人都明确批评了LLMs,声称它们不会达到人类智能。
相似文章
@haider1: Yann LeCun 表示,LLMs 在语言本身就是推理基础的领域(如数学和代码)中最强…
Yann LeCun 指出,LLMs 在语言作为推理基础的领域(如数学和代码)中最强,但它们并非有创造力的数学家、软件架构师或计算机科学家。
LLMs能否意识到我们正从错误的角度看待问题?
本文探讨大语言模型是否能够独立识别并挑战科学中的基本假设,以实现范式转变式的突破,并类比了人类创新,如爱因斯坦的引力理论。
@rohanpaul_ai:在彭博社的一次采访中,Yann LeCun(@ylecun)解释了为什么LLMs在现实世界智能方面存在局限……
Yann LeCun在彭博社采访中解释,LLMs之所以有限,是因为它们只处理符号文本,而现实世界的理解需要儿童自然获得的大量感官数据。他引用莫拉维克悖论来强调这一差距。
哥德尔与 LLM 可达到智能的极限
这篇来自 SenTeGuard 的博客文章讨论了 LLM 智能的理论极限,引用哥德尔不完备定理论证当前 AI 架构无法实现通用的人类级推理。
事实证明,当前许多基于科学的LLM基准测试在答案上存在缺陷。纠正后,LLM基准测试分数显著上升。
本文讨论了一篇研究论文,揭示了许多基于科学的LLM基准测试存在错误答案,纠正后LLM性能分数显著提升,这表明当前的评估可能低估了AI在物理学中的能力。