语言模型自反馈循环被证实可呈混沌
热点事件持续更新
语言模型自反馈循环被证实可呈混沌
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Timothy D. Jones 等人提交的研究把预训练语言模型自身下一 token 分布的期望嵌入回灌给模型，使其成为连续状态的离散时间动力系统。研究在 Qwen2.5、OLMo-2 和 Llama-3 的 0.5B 至 72B 参数模型上观察到，温度和激活引导可让该循环在重复文本与混沌之间切换，并出现正的有限时间 Lyapunov 指数。 这意味着模型反复接收自身输出时，行为不一定收敛到稳定重复，而可能进入对初始条件敏感的混沌状态；切换由温度和激活引导控制。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 23:29
连续语言模型反馈中的混沌与分岔：Qwen2.5、OLMo-2 与 Llama-3 的动力学研究报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- Hacker News连续语言模型反馈中的混沌与分岔：Qwen2.5、OLMo-2 与 Llama-3 的动力学研究
将预训练语言模型自身下一 token 分布的期望嵌入回灌后，模型会变成连续状态的离散时间动力系统；在 Qwen2.5、OLMo-2 和 Llama-3 的 0.5B 至 72B 参数模型上，温度和激活引导可让该循环在重复文本与混沌之间切换，并出现正的有限时间 Lyapunov 指数。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月27日 00:00
- 近 24 小时变化
- –
02.557.510
10月27日01:0002:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。