压缩理论解释不了创造力?推友 argues LLM 自生成才是关键
menhguin · x · 2026-10-05
针对 Schmidhuber 2009 年的「趣味与创造力的形式理论」(以压缩进度和内在动机解释美、好奇心、艺术与幽默),作者认为信息论视角的压缩和趣味性不足以完整刻画创造力:LLM 作为自回归解码器的关键在于自生成——模型通过生成使输入提示走出预训练分布,从而实现分布外泛化。他认为「自创造的冲动」加上迭代的压缩/理解目标,才更接近人们对创造力的直觉理解,并以一个能解出所有数学题但只被形容为勤奋而非「有创造力」的学生作类比。
「研究」频道最新
- 科学家给 HF datasets 开 PR:BIDS 神经影像与生物电信号支持 — evijit · 2026-11-20
- 统计 Hugging Face 各科学领域数据格式:基因组学 AnnData 居首 — evijit · 2026-11-20
- 全 AI 设计的分子 Dyno-hc9:7 个突变位点全部由深度学习挑选、可穿越血脑屏障 — IAmSamFin · 2026-11-20
- 微调 Qwen3-VL 8B 解读镜头语言,准确率 69% 远超 Gemini 与 Opus — ravisparikh · 2026-11-20
- Victor Taelin 发布 Bend2 演讲,详解并行语言设计背后的动机 — pbaylies · 2026-11-20
- PL Neuro 发布 Neuro Atlas:神经科技公司与里程碑一图尽览 — melnykowycz · 2026-11-20