::: اطلاعات
نویسنده:
(1) اندرو جی پترسون ، دانشگاه پویتیرز ([email protected]).
:::
جدول پیوندها
چکیده و مقدمه
کار مرتبط
رسانه ، حباب ها و اتاق های اکو
اثرات شبکه و آبشارهای اطلاعاتی
سقوط مدل
تعصبات شناخته شده در LLMS
الگویی از فروپاشی دانش
نتایج
بحث و منابع
\
ضمیمه
مقایسه عرض دمها
تعیین فروپاشی دانش
تعصبات شناخته شده در LLMS
مدل های جدید هوش مصنوعی مانند LLMS در برابر مشکلات تعصب شناسایی و اندازه گیری شده در الگوریتم های یادگیری ماشین (Nazer et al. ، 2023) مصون نیستند و الگوریتم های پیش بینی کننده را در دنیای واقعی گرفتند و از مواردی استفاده می کنند که حداقل به دهه 1930 باز می گردند (مسیحی مسیحی ، 2021 ، ch.2). با کمال تعجب ، LLM ها در یادآوری حقایقی که اغلب در داده های آموزش اتفاق می افتد و با دانش دم بلند می جنگند بهتر هستند (Kandpal et al. ، 2023). داس و همکاران. (2024) طیف وسیعی از کاستی های LLMS را در تلاش برای تولید متون مانند انسان ، مانند کمبود دیدگاههای اقلیت و کاهش مفهوم گسترده متن “مثبت” به آن صرفاً بیان “شادی” شناسایی کنید. \ n
کار اخیر تلاش می کند تا از طریق روش های مختلفی ، به عنوان مثال با استفاده از ویژگی های کمتری که پیش بینی می شود در غیر این صورت زیر بهینه باشد ، این مسائل را برطرف کند (Gesi et al. ، …