实时
萨顿批评单纯扩展计算力对LLM的局限
热点事件历史事件
萨顿批评单纯扩展计算力对LLM的局限
1 篇报道1 个报道来源10 天前更新
先了解这件事
AI 综述
图灵奖得主理查德·萨顿批评单纯扩展计算力对大语言模型(LLM)的局限性,称原始算力不足以实现智能,AI科学需要新方法且远未完成。他认为合成数据是‘大错’,人类专长是扩展瓶颈。这一观点引发了AI社区的广泛讨论,部分研究者认同需新学习算法,但也有人指出算法本身对扩展至关重要。萨顿强调,重要的是发展能随计算力增长而进步的想法,而非依赖人类假设;人类专长作为瓶颈阻碍了真正的扩展;需要的是在不破坏旧知识的前提下进行持续学习。
AI 根据报道生成 · 更新于 10 天前
最新进展11月8日 19:44
图灵奖得主理查德·萨顿对大模型扩展的"苦涩教训"报道时间线
沿着报道,了解事件的不同侧面。
11月8日
- The Decoder图灵奖得主理查德·萨顿对大模型扩展的"苦涩教训"
图灵奖得主理查德·萨顿表示原始算力不足以实现智能,AI 科学需要新方法且远未完成。他批评单纯扩展大语言模型(LLM)的局限,称合成数据是"大错",人类专长是扩展瓶颈。业界对此引发广泛讨论,部分研究者认同需新学习算法,但也有人指出算法本身对扩展至关重要。