LeCun证明了:规模从未起作用,下一token路线效率低
LeCun证明了:规模从未起作用,下一token路线效率低人工智能先驱 Yann LeCun 一直主张「生成式 AI 是一条死胡同,世界模型才是真的未来」。
搜索
人工智能先驱 Yann LeCun 一直主张「生成式 AI 是一条死胡同,世界模型才是真的未来」。
9 月以来,全球顶尖大模型几乎都在秀 3D。
在企业级真实业务与复杂数据分析中,让大模型「一眼看穿数据库并写出完美SQL」,往往只是一个不切实际的幻想。
AI顶会论文,到底有多拼卡?
大模型吃光互联网后,机器人的物理Token从哪来?
用螺丝刀拧紧螺丝,听起来并不复杂。
随着递归自我改进(Recursive Self-Improvement,RSI)受到关注,智能体如何从交互经验中持续改进自身成为研究热点。智能体记忆机制影响着这些经验能否被有效保留和利用。
造AI的人,已来不及看清AI进化到了哪一步!
过去几年,神经网络接连改写了一个又一个领域:图像生成有了 Stable Diffusion,视频生成已经能做到以假乱真,就连 3D 渲染也出现了 RenderFormer 这样的纯神经网络方法。但在高保真物理仿真上,神经网络始终没能交出令人满意的答卷,游戏、动画和机器人领域至今仍依赖需要手动调参、难以求梯度的传统求解器。
最近, Anthropic 买了一家新公司。