Misra称持续学习与因果理解仍是AGI缺口
热点事件持续更新
Misra称持续学习与因果理解仍是AGI缺口
1 篇报道1 个报道来源32 分钟前更新
先了解这件事
AI 综述
a16z发布对Vishal Misra的访谈。Misra介绍其研究称,Transformer在处理新信息时,预测更新方式精确且在数学上可预测,为理解LLM行为提供了形式化框架,但这并不意味着模型具有意识。 Misra认为,当前LLM距离AGI仍有两项关键缺口:模型在训练结束后无法持续学习,以及主要依赖模式匹配,尚不能像人类一样理解因果关系。
AI 根据报道生成 · 19 分钟前更新
最新进展11月22日 03:11
a16z 访谈 Vishal Misra:LLM 预测可建模,持续学习与因果理解仍是 AGI 缺口报道时间线
沿着报道,了解事件的不同侧面。
11月22日
- AGI Hunta16z 访谈 Vishal Misra:LLM 预测可建模,持续学习与因果理解仍是 AGI 缺口
a16z 发布 Vishal Misra 与 Martin Casado 的访谈,介绍 Misra 关于 LLM 内部机制的研究观点。Misra 表示,Transformer 处理新信息时的预测更新方式精确且在数学上可预测,但这不代表模型具有意识;AGI 仍需补足训练后持续学习和从模式匹配走向因果理解两项能力。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。