用全错解释训练NLA会怎样
Turn_Trout · x · 2026-07-13
讨论一个关于 NLA 的实验设定：先让 Claude 按“每句话都必须是假的”去生成 confabulation，再用这些编造式解释来训练 NLA，观察重建准确率与输出行为会怎样变化。
核心问题是：如果模型的初始解释是系统性错误的，训练后的 NLA 还能否保持较好的 reconstruction accuracy，以及它最终是继续大量编造，还是会逐渐回到更像“合理解释”的输出。
所属事件:探究自然语言自编码器：全错初始化仍保准确率但加剧编造(7 条相关)→
「研究」频道最新
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11