AIGC動態歡迎閱讀

原標題：華為最新研究挑戰Scaling Law
關鍵字：函數,模型,華為,能量,記憶
文章來源：量子位
內容字數：4649字

內容摘要：

克雷西 發自 凹非寺量子位 | 公眾號 QbitAI“Scaling Law不是萬金油”——關于大模型表現，華為又提出了新理論。
他們發現，一些現象無法用Scaling Law來解釋，進而開展了更加深入的研究。
根據實驗結果，他們認為Transformer模型的成績，與記憶力高度相關。
具體來說，他們發現Scaling Law的缺陷主要有這兩種表現：
一是一些小模型的表現和大一些的模型相當甚至更好，如參數量只有2B的MiniCPM，表現與13B的Llama接近。
二是在訓練大模型時，如果過度訓練，模型表現不會繼續增加，反而呈現出了U型曲線。
經過深入研究和建模，團隊結合了Hopfield聯想記憶模型，提出了大模型表現的新解釋。
有人評價說，聯想記憶是人類所使用的一種記憶方法，現在發現大模型也會用，可以說是AI理解力的躍遷。
不過需要指出的是，這項研究雖有挑戰之意，但并非對Scaling Law的否定，而是對其局限性的客觀思考和重要補充，同時作者對前者的貢獻也做出了肯定。
構建全新能量函數作者首先進行了假設，提出了新的能量函數，并根據Transformer模型的分層結構，設計了全局能量函

原文鏈接：華為最新研究挑戰Scaling Law

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破