← 返回卡片

原书出处

大语言模型-基础与前沿 (熊涛)

06 第6章 训练更大的模型

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.841Z

型系列的固定模型输出时选择的度量方法。这意味着涌现能力可能不是扩大尺度的人工智能模型的固有属性,而是研究人员测量的产物。

Schaeffer等认为,涌现能力是一种“海市蜃楼”,主要是由所选指标导致的每个词元错误率的非线性或不连续变形造成的。此外,较小模型的测试数据有限,可能导致它们看起来完全无法完成任务,从而进一步助长了关于涌现能力的错觉。

同样,评估大型模型的数量太少也可能导致出现涌现能力的假象。 为了支持自己的论点,Schaeffer等提出了一个简单的数学

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter8.xhtml

EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d