arXiv 机器学习· Matthew McDermott, Florent Pollet, Payal Chandak, Gregory Kondas, Liat Friedman Antwarg, Noa Dagan, Isaac Kohane·· 10 小时前AI 评分33
具备“任意任务推理”能力基础模型的理解与构建理论框架
A Theoretical Framework for Understanding and Building "Any-task inference" Capable Foundation Models
AI 导读
研究人员提出了一个形式化理论框架与数学定义，用于理解和构建具备“任意任务推理”（ATI）能力的基础模型。该框架通过“通用任务归约”视角将模型系统解构为编码器、模型与解码器，并对误差项进行理论分层分析。研究进一步总结出生成式与判别式两种原型实现方案，并通过 5 个真实场景的基础模型案例验证了框架的适用性。
来源：arXiv 机器学习 · arxiv.org