※ 引述《manlike ( )》之铭言：
: ChatGPT 嘎然问世
: 它AI的能力远超乎大家的想像
: 屌打过去所有的相关AI研究
: 那台湾那些台清交号称AI专家学者的教授
: 在想什么？
: 他们会觉得自己的研究是大便吗？
: 赶快停掉手上的垃圾研究
: 转向蹭 ChatGPT 继续骗吃骗吃？
: 有瓜吗？
阿肥外商码农阿肥啦！
当前LLM像chatGPT即使问世，依旧还是有很多前沿问题没解决，模型即使透过Instructio
ns 由人工引导学习，还是很难达到真正的在线学习，人脑却是可以时时重塑世界模型，
而且当前很多新研究都发现人脑耗电非常低但新皮质效能却很高，而且LLM在很多层面即
使优于人脑，但是他却缺少部分的世界模型。
这些都是迈向通用人工智能的新课题，并没有LLM诞生了问题就都解决了，很多新的研究
也发现加大模型或是加大数据都有可能接近学习临界，更大不一定能带来正面意义，人脑
有一套参照框架模型跟未知的通用学习算法是需要再近一步研究的，不过即使是这样，专
用通用模型像GPT4已经够解决当前部分难题。
一个有趣的点就是最近一些新发现之前我们研究大语言模型突发的涌现能力，或许有可能
是我们过往的评判指标过于粗，像是以全对全错来衡量模型，在新研究中发现切换细粒度
评分指标后(像是错一小块过往直接打零分，现在转换成错一块给五十分)，这样小模型到
大模型的精度提升就能够转换成线性提升了，这样似乎涌现又像不存在一样，这是很值得
研究的新议题，到底涌现能力是什么，不大力有没有机会也有奇蹟。
最后就是当前大语言模型肯定会更卷的，没资源的学者也不只台湾，大家可以让出赛道给
大公司卷，但胜负依旧是全体人类共享的连谷歌的研究人员也都认同转向如何开源大语言
模型建立共同生态圈才能是最后赢家，闭源或是limited 的模型没有活路的，然后没有资
源的学者一起共享赛道甚至激发社群研究AI模型的新思路