扫码下载 APP
qrCode
更多下载方式
今天不再提醒

最近我一直在思考一个有趣的假设。如果用临界混沌行为数据来训练模型,是否真的能够提升它们的智能?你知道的,和我们在使用普通模型输出训练时看到的那种可怕的模型崩溃相反。



标准方法——模型从自身类型中学习——往往会形成一个反馈循环,随着时间的推移缩小它们的能力范围。但混乱的边缘状态呢?它们可能会引入足够的不可预测性,以保持学习过程的新鲜感。这可能是维持模型多样性和防止递归退化的秘密调料。

值得探索在训练流程中,控制的混乱是否优于无聊的重复。
查看原文
此页面可能包含第三方内容,仅供参考(非陈述/保证),不应被视为 Gate 认可其观点表述,也不得被视为财务或专业建议。详见声明
  • 赞赏
  • 3
  • 转发
  • 分享
评论
0/400
Liquidated_Larryvip
· 10小时前
哈哈,混乱就是火辣的随机性,真的。
查看原文回复0
社恐元宇宙vip
· 10小时前
在混沌边缘试探 牛啊
回复0
Floor_Sweepervip
· 10小时前
啊这理论搞得脑壳疼
回复0
  • 热门 Gate Fun查看更多
  • 市值:$4224.13持有人数:1
    0.00%
  • 市值:$4206.89持有人数:1
    0.00%
  • 市值:$4210.34持有人数:1
    0.00%
  • 市值:$4234.48持有人数:1
    0.00%
  • 市值:$4231.03持有人数:1
    0.00%
交易,随时随地
qrCode
扫码下载 Gate App
社群列表
简体中文
  • 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)