掃描下載 Gate App
qrCode
更多下載方式
今天不再提醒

最近我一直在思考一個有趣的假設。如果用臨界混沌行爲數據來訓練模型,是否真的能夠提升它們的智能?你知道的,和我們在使用普通模型輸出訓練時看到的那種可怕的模型崩潰相反。



標準方法——模型從自身類型中學習——往往會形成一個反饋循環,隨着時間的推移縮小它們的能力範圍。但混亂的邊緣狀態呢?它們可能會引入足夠的不可預測性,以保持學習過程的新鮮感。這可能是維持模型多樣性和防止遞歸退化的祕密調料。

值得探索在訓練流程中,控制的混亂是否優於無聊的重復。
查看原文
此頁面可能包含第三方內容,僅供參考(非陳述或保證),不應被視為 Gate 認可其觀點表述,也不得被視為財務或專業建議。詳見聲明
  • 讚賞
  • 3
  • 轉發
  • 分享
留言
0/400
Liquidated_Larryvip
· 8小時前
哈哈,混亂就是火辣的隨機性,真的。
查看原文回復0
社恐元宇宙vip
· 8小時前
在混沌邊緣試探 牛啊
查看原文回復0
Floor_Sweepervip
· 8小時前
啊這理論搞得腦殼疼
查看原文回復0
交易,隨時隨地
qrCode
掃碼下載 Gate App
社群列表
繁體中文
  • 简体中文
  • English
  • Tiếng Việt
  • 繁體中文
  • Español
  • Русский
  • Français (Afrique)
  • Português (Portugal)
  • Bahasa Indonesia
  • 日本語
  • بالعربية
  • Українська
  • Português (Brasil)