𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞
3个月前

LLM是人类智能的信息论视角下的智能映射 如果从本质层面来看，LLM智能可以被理解为一种人类智能的信息论维度在计算系统中的可反映形式： •它不是模拟神经结构，而是模拟语言行为背后的预测编码结构； •它捕捉的是人类通过语言活动积累的行为概率空间，并在此基础上进行生成； •因此它是一种“符号-预测-行为”路径上的统计智能，而非具身智能或价值智能。 这意味着，LLM是语言中的智能残影（Echo of

#LLM #信息论 #人类智能 #预测编码 #符号-预测-行为 #统计智能

相关新闻

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

4小时前

一个LLM知道“什么是火”，但一个“有状态”的Agent应该“记得自己上次被烫伤的经历”。

placeholder

Barret李靖

4小时前

LLM 出来之后，在应用层的折腾从未停歇。从 Prompt 调优到 Workflow 配置，再到 Agent 构建，最终目的都是一样的：让 LLM 更好地为人类干活，把机器的性能压榨到极致。 对 LLM 的压榨，可以分为两个维度。一是帮助它找到最优算法，让推理少走弯路。 为此我们几乎把能想到的路子都走了一遍，让 LLM 学会反思（reflection、self-consistency、self

placeholder

0xWizard

3天前

人和 ai 的差异没那么大。 人的心法/逻辑/思考方式，就是 LLM 大语言模型底层；平时的“事上练”/经验/盈亏/读书，就是数据训练。 所谓进步和升级，无非就是一边升级模型底层，一边不断喂数据。 这样当 prompt 提示词适当的时候，就能给出更令人满意/更聪明/更接近正确的答案。

placeholder

meng shao

3天前

Designing Claude Code —— Claude Relations 负责人 Alex Albert 与 Claude Code 设计负责人 Meaghan Choi 一起探讨了 Claude Code 的设计理念、终端界面的演变，以及它如何赋能非技术人员如设计师。探讨的焦点在于 Claude Code 如何将 LLM 的力量无缝融入开发者日常工作流中，强调简洁、集成和创新。 起源

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3天前

一旦与LLM的交互范式突破，电力需求恐怕远超这个比例