研究人工智能中对大规模预训练语言模型是否在任何重要意义上可以称为“理解”语言，以及对应的关键问题和新的智能领域的发展。提出一种新的智能科学来提供关于知识的不同模式，以及它们的优势和限制，以及融合不同形式认知的挑战的见解。

Oct, 2022

本研究调查了预训练语言模型作为基于知识的系统的生命周期，并系统地审查了知识生命周期的每个阶段的现有研究，总结了主要挑战和当前限制，并讨论了未来的方向。

Mar, 2023

本文介绍了人工智能（AI）领域中的基础和大型语言模型（LLMs）等技术的限制和风险，并且警告使用这些技术会带来的伤害。

Jul, 2023

人工智能代理是一个前景光明的领域，利用大型语言模型作为基础构建通用人工智能代理带来了显著的进展，其在单一代理场景、多代理场景以及人机合作中的广泛应用展示了卓越的潜力，并为人类社会提供了有价值的见解。

Sep, 2023

人工智能（AI）和基础模型（FMs）的快速进展引领了各个行业的变革，本文探讨了FMs在电信行业中的整合及AI原生电信的概念，并重点强调了AI原生优先方法的工程考虑和独特挑战。尽管FMs有巨大潜力，但在重要的电信环境中，伦理、监管和运营挑战需要谨慎考虑。本文对于在激烈竞争的市场中蓬勃发展至关重要。

Oct, 2023

对于大型语言模型（LLMs）的研究，包括基本原理、应用领域以及训练过程，本综述论文对于上下文学习、多种微调方法以及参数使用效率优化等机制进行探讨，同时深入研究了如何通过创新的强化学习框架和融入人类反馈的新方法来更好地与人类偏好相统一的问题。还研究了将外部知识融入LLMs的新兴技术——检索增强生成。对于LLMs的伦理问题，论文讨论了需谨慎且负责任的应用需求。最后，论文展望了未来的研究方向，提供了关于当今及未来LLMs领域中不断发展的全面且简明的概述，为人工智能领域的研究人员和实践者提供了有益的指南。

Apr, 2024

通过将大型语言模型（LLMs）组织成以社区为基础的结构，该论文介绍了一种变革性方法，旨在增强LLMs的集体智能和问题解决能力。本文研究了不同的组织模型 - 分层、扁平、动态和联邦，每种模型都具有协作人工智能系统的独特优势和挑战。在这些结构化社区中，LLMs被设计为专门从事不同的认知任务，采用直接通信、投票系统和基于市场的方法等先进的交互机制，并动态调整其治理结构以满足不断变化的需求。这种社区的实施对于提高人工智能的问题解决能力具有重大潜力，因此有必要深入研究其伦理考虑、管理策略和可扩展性。本文旨在为未来研究奠定基础，主张在人工智能研究和应用中从孤立到协同的运行框架进行范式转变。

May, 2024

本文针对当前高-profile AI领域提出的深刻问题，系统分类并组织了来自计算力基础设施、软件架构、数据资源、应用场景和脑科学五个核心维度的问题，提供深入且具有启发性的解答。研究旨在为各界读者提供全面、前沿的AI知识框架，以促进创新思维和产业进步。

Aug, 2024

本研究聚焦于大型语言模型（LLM）基础设施的发展，探讨了构建有效模型所面临的挑战与策略。通过分析基础设施、软件和数据管理的核心组成部分，提出了成功开发LLM所需的关键考量和保障措施。研究揭示了有效LLM基础设施设计的关键洞见，对研究人员和实践者均具有重要价值。

Aug, 2024

本研究针对大型语言模型基础设施的建设中存在的挑战和策略进行探讨，填补了相关领域的研究空白。论文通过分析基础设施、软件和数据管理的核心组成部分，提出了关键的考虑因素和保障措施，旨在为研究人员和从业者提供有价值的见解。研究的主要发现是，成功的LLM开发依赖于对这些要素的精确管理和综合理解。

Aug, 2024