@BenjaminDEKR: 我们尚未有处理气味的多模态LLMs
摘要
该推文指出，能够处理气味的多模态大语言模型尚未存在，凸显了当前人工智能技术的局限性。
我们尚未有处理气味的多模态LLMs
相似文章
@pmddomingos: 你可以阅读数百篇充满炒作的大语言模型文章，却仍然不知道它们是如何工作的。或者，你可以阅读这篇，然后...
一条推文推荐了一篇全面的博客文章，该文章从注意力机制和分布式表示开始，解释了大语言模型的历史，旨在帮助读者揭开LLMs的神秘面纱。
@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。
自回归大语言模型正式与鱼共眠（Yann LeCun是对的）
CETI项目使用大语言模型的架构解码抹香鲸的咔嗒声，揭示了其语音字母表，但也凸显出AI的统计模式匹配缺乏真正的理解。文章认为，AGI需要具身化、多模态的根基，而不仅仅是基于文本的模型扩展。
多模态大语言模型的计算幽默：方法、数据集、评估与挑战
关于使用大语言模型进行多模态幽默理解的全面综述，涵盖方法、数据集、评估协议以及在解读迷因、卡通和漫画中幽默的挑战。
@sadhikesaven: 如今，大语言模型不再仅依靠人类数据构建。它们依赖其他LLM来生成训练数据、筛选语料…
ModSleuth 是一个新工具，用于追踪现代大语言模型的依赖关系，揭示出像 OLMo 3 和 Nemotron 3 这样的模型依赖于数百个其他模型和数据集，凸显了从仅人类数据到AI生成的训练数据的转变。