842
个编辑
更改
跳到导航
跳到搜索
第101行：
第101行： + + + + + + + + + + + + + + + +
无编辑摘要
YMZ：读起来很难懂，可不可以有具体的例子？
YMZ：读起来很难懂，可不可以有具体的例子？
=大语言模型涌现的机制解释=
YMZ：记得加文献引用和交叉引用
* 这一模型被借用来解释神经网络，特别是大语言模型（LLM）中的涌现现象。涌现现象指的是当模型规模（数据、计算资源、参数等）达到某一临界点时，模型会突然展示出之前无法预见的能力 。这种能力的跃升是非线性的，且无法通过对小规模模型的简单外推预测。
YMZ：注意和前文的联系，这里和前文内容有重复
* 在该模型中，节点（如实体、属性等）通过边（如实体与属性的配对）连接在一起。随着训练数据和参数规模的增加，节点之间逐渐形成一个“连通子图”，一旦这个子图的规模突破某个阈值，模型就会展现出新的能力 。
YMZ：这两句话中前一个“模型”指的是渗流模型，后一个应该指的是LLM，有点跳跃。建议可以先简单介绍渗流模型本身，然后另起一段讲LLM中的渗流相变。
* 双分图（Bipartite Graph）
YMZ：一般翻译为二分图，我直接在正文改了。