通向AGI之路：大型语言模型（LLM）技术精要

长河马俊强

老师的文章鞭辟入里，带来了很多新视角，前排强推！

真的不是我

感谢长文分享！

虾米无名

感谢老师的长文分享~

农民爱土地

估计又是机器人

瘦一点多好呀

写的文章真是干货满满。[酷]

我是临时工

前排，干活满满，CV领域的也得到了一定的启发

故事伴酒

插眼，等过两年来看看预测的对不对

钱叔叔

收获很大，非常感谢分享！ 感觉涌现能力背后原因的两种分析本质上是一个，都是不够平滑，只不过一个显示&容易理解，一个隐式&不容易理解。
另外感觉本身instruct是不存在的，原本应该只有in context。只有出现了大量的sample后才能出现instruct（自然规律），不过model可以在train data里直接学习这个instruct <-> context的规律。

戏水蓝海豚

看完了，但是感觉这方面的研究一般的研究者难以开展[思考]NLP这个的发展趋势，小研究者比较难参与了吧……？

张跃锋

如果可以掌握“输入和输出对应的分布”可以认为是学到了(总结了)这个规律吧？虽然不是数学符号形式的学到了，至少相当于比中世纪人们学到知识