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 Intelligence in Language),并不能脱离语言边界自主生长为AGI。
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 Intelligence in Language),并不能脱离语言边界自主生长为AGI。
𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞
4小时前
有网友问,开发agent用什么框架?推上大神看看我回答的有没有问题: “真手搓还是langchain吧,用的人多,各大厂的ADK也是个好选择,毕竟LLM的agentic能力越来越强;工作流类的用n8n/dify/coze这些。mvp我都想直接用claude code就干起来了。”
𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞
1天前
一边是用LLM来vibe sort; 一边是清华大学新the Dijkstra 算法突破! 我又想起了vibe writing;vibe coding;… 然后就是刚写的《最后一个词》三部曲 (The Last Word Trilogy)
𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞
2天前
越是LLM时代,语言越是要嵌入生活,追求“活人感”😄