842
个编辑
更改
跳到导航
跳到搜索
第1行：
第1行： − + + − =大语言模型家族分类=+ − * 而针对涌现能力是否出现，可能了解模型的基本架构和与之相对应的应用场景是首要目标。 − − YMZ：基本架构与应用场景的分类和涌现的关系具体是什么？ − − YMZ：与其讲家族的分类，不如讲少量样本提示和增强提示的区别，这个跟后文连接更紧密
无编辑摘要
= 历史溯源 =
= 历史溯源 =
YMZ: 目前这里描述还是比较模糊，结合具体文献（“breakthroughness”）找之前的神经网络背景下出现的非线性增长的相关研究
YMZ: 再补上文献（Srivastava, A., Rastogi, A., Rao, A., Shoeb, A. A. M., Abid, A., Fisch, A., Brown, A. R., Santoro, A., Gupta, A., Garriga-Alonso, A., Kluska, A., Lewkowycz, A., Agarwal, A., Power, A., Ray, A., Warstadt, A., Kocurek, A. W., Safaya, A., Tazarv, A., … Wu, Z. (2023). Beyond the Imitation Game: Quantifying and extrapolating the capabilities of language models (arXiv:2206.04615). arXiv. https://doi.org/10.48550/arXiv.2206.04615
）对其历史背景进行介绍
YMZ：关于涌现出现的假说可以放到后面的机制解释里
=大语言模型能力的涌现现象=
=大语言模型能力的涌现现象=