LLM предложили рассматривать как смысловые системы в рамках теории Лумана
В эссе предложено расширить понятие смысла теории Никласа Лумана на LLM-системы, выделив их в отдельный тип лумановских систем через семантические векторы. Автор показывает, что выбор следующих состояний беседы в языковых моделях соответствует лумановской теории смысла. Такой подход предлагает новый философский аппарат для описания работы LLM без сведения их к дихотомиям сознания или имитации.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Особенности проектирования сети для ИИ-нагрузок и распределенного обучения
При распределенном обучении моделей недооценка сетевой архитектуры приводит к задержкам и простою GPU-кластеров. В материале рассматриваются ограничения стандарта InfiniBand и его сравнение с RoCEv2. Также описан опыт решения сетевых задач при создании комплекса «Скала^р МИИ».
Разработка ИИ-системы для автоматической обработки заказов в DIY-ритейле
Компания Рафт разработала end-to-end ИИ-систему для автоматической обработки неструктурированных заявок от клиентов в DIY-ритейле. Решение разбирает входящие письма, таблицы и PDF-файлы, подбирает нужные товары и формирует готовое коммерческое предложение. В материале рассматриваются подходы к оптимизации затрат на LLM и результаты проверки гипотез.
10 мифов о GEO: что не работает при продвижении сайтов под нейросети
На рынке оптимизации контента под ответы нейросетей (GEO) появилось множество неэффективных практик и мифов вроде особых ключевых слов или гарантий попадания в рекомендации. В материале разбираются распространенные заблуждения, мешающие трезво оценивать результаты и приводящие к нецелевым тратам. Также предложен базовый план действий, сосредоточенный на реальной технической доступности сайта для роботов.
Ансамблевое прогнозирование с помощью моделей временных рядов IBM Granite
Представлены методы ансамблевого прогнозирования на базе моделей временных рядов линейки IBM Granite. Рассматриваемый подход позволяет применять модели семейства Granite для анализа и предсказания временных данных.