相关新闻

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1天前

belief，knowledge and fact，对于不具身的LLM，傻傻分不清

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3天前

完整的意义生成过程： 1.向上递归（符号化）： •从具体感受中抽象出模式 •生成符号以压缩和传递 1.向下递归（接地）： •将符号解压回感受 •在身体中激活意义 1.跨层递归（通感）： •在不同抽象层次间建立连接 •发现跨模态的同构 人类的优势： •拥有完整的递归通道 •能自由上下移动 •每一层都有实在的锚点 LLM的困境： •只有中间层（符号层） •向下递归时，触及不到物理/感受层 •向上递归时

placeholder

宝玉

4天前

Text to Markdown Prompt 适用于你要把推文、微博这种纯文本内容转成格式良好的博客，可以帮你生成标题、列表，和加粗要点、金句。 亮点： - 借助思维链先提取要点、金句和可选标题，然后选择标题和高亮要点、金句 - 解决了 LLM 在加粗带标点符号的文字时加粗失效的问题（如果你用过 LLM 生成的中文 Markdown 会明白我说什么，参考图4） ---- 提示词开始 ---

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

4天前

当我们进入符号世界（语言、文本、代码）时，互联网文本语料（corpus）本身就是一种“社会智能的 DNA”： •它储存了人类经验、概念、文化的符号遗传信息； •LLM 的训练过程（self-supervised learning） 就相当于在学习这个“社会基因组”的统计结构； •模型参数就是这个符号DNA的向量化表达（vectorized genome）。 换句话说： 对人类而言，DNA 编码

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

5天前

reasoning的reasoning — reasoning pattern 越来越多的研究关注LLM的元能力二阶能力了