Machine Pro的心脏·沟通成员第25周---本周解释了AI机器人行业值得享受的重要事物--- 1。在统计的可能性下，推理真的是“了解世界”吗？与明确的路径相比，仅重复，在小屋婴儿床中扮演什么样的角色？下一个令牌预测是一个动态的建模过程，也许COT并不是一个简单的重复？ LLM推理能力是基于简单地匹配模式的可能性的统计数据，还是理解原因的另一种表达？ “培训使真正的知识”，是否有可能加强培训以打破“知识知识”，以表明LLM？ ... 2。是2025年，两家公司如何将预算用于获得AI？ Nadaragbusinesses耗尽生成人工智能的原因是什么？在生产使用情况下使用许多模型的动机是什么？为什么AI的收购逐渐显示传统的软件采集道具Erties？为什么要从建造自己到购买第三方AI应用程序？选择AI模型时，大纲审查中包括哪些主要因素？ ...新闻通讯的完整版本包含2个特殊主题解释 + 31个关键AI机器人曲目事件，包括12个技术方面，8个国内方面和11个外国方面。这个问题的沟通总共有22632个单词，可以以7％的方式免费阅读，并消耗99个微信的豆类以换取对这个问题的完全解释（大约是RMB 9.9）对重要对象的解释①在可能性的机制下，可能性是“理解世界”吗？简介：6月初，很长一段时间没有出现的苹果（Apple）发表了一篇论文，说当前的推理模型没有真实的思想，所谓的推理是“匹配模​​式”的另一种形式。这项研究再次为行业中有关LLM的激烈讨论做出了贡献推理能力。苹果的观点以前得到了支持，但是一些研究人员认为，下一个令牌预测实际上是一个动态的建模过程，一些COTS也显然激励着理解道路。在最近的采访中，里德·霍夫曼（Reid Hoffman）从“知识知识”的角度提出了不同的观点，提醒人们重新理解LLM推理方法。当前，推理LLM显示的只是一种匹配模式吗？ 1。当前对AI在学术和行业推理的经典定义可以用作：推理是一个计算过程，在该过程中，AI系统通过基于现有知识或模型的逻辑推导，符号操作或统计关联来构成新的结论。 [1-1] 2。研究科学家卢西安·盖尔斯库（Lucian Galescu），佛罗里达人类和机器认知研究所（IHMC），于10月24日被教导说，推理意味着“从地点或证据中正确得出结论”，如果推理步骤正确，则，结论更有可能。显然，他认为当前的主要大型模型（LLM）尚未实际上具有严格的推理论点[1-2] 3。提出2011年图灵奖奖得主珍珠理论的经典原因，不仅仅是从数据中找到模式，而是要了解“如果……然后……”，这是一个理解“如果……”的原因，这使它成为了prophec的理由，并解释了一个决定的基础，并解释了一个决策。 [1-3]①人工智能领域通常认为，真正的智能推理应包括理解原因的能力。 ②推理的原因还涉及理解变量与反事实理解之间的干预措施，这些干预措施是该规定的复杂能力，而无需涵盖统计推理。 LLM尚未建立一个因果关系框架，因此很难像人类一样具有推理的深度和灵活性。 [1-3]③在“通讯”文章中Nsense Kakatuwiran和LLMS”于2023年出版，圣塔菲研究所的教授梅兰妮·米切尔（Melanie Mitchell）指出，即使GPT-4可以重述类比的类比，它也没有像孩子一样发展一种感应技能，证明了模型的形式，而不是理解结构。也就是说，推理是一种基于心理模型的认知活动，也就是说，人们通过建立内部心理表征来进行逻辑降低或归纳，也就是说，他在今年4月底进行了视频访谈，他认识到人类认识更接近匹配的模式，而不是gother gother的想法，而不是gother gother of Gother the Imploctive and Imploins of Enclions of Selon Sevial​​ Sevile Sevile willy wisher ovel of seely ovel of a 1--7-7] [1-8] [1-8] [1-8]。认知人不是来自严格的推理，而是一种模糊的智力形式，即更接近匹配模式而不是解决问题。 ③他强调，当人们做出决定，解决问题甚至形成记忆时，它们不是通过严格的逻辑树，而是通过过去经验的共鸣。同时，人们已经提出了有关熟悉事务的新信息，并且更喜欢类似的推理。 ④同时，Hinton认为，LLM提出的适当模型的当前模型已达到准认知水平。 ⑤当NLLM 24具有通过零测试条件下的类似推理来解决新问题时，也提前发现了来自UCLA的Webb等研究人员。类似于GPT-3和GPT-4的模型在抽象模式诱导中表现良好，在大多数情况下，与人类能力相匹配甚至超出了人类的能力。 [1-9]在接下来的标记预测中是动态建模过程。也许婴儿床不是一个简单的“重复”？ 1。这是什么样的推理，如何使用模型的推理一直是研究工作的重点。因此，一些研究人员建议思考链是主要的推理。