llm이 주목받는 이유가 스케일링 조질때 튀어나오는 특성, 일명 창발 때문인데
벤치마크 포화시키는게 중요하겠냐
벤치마크는 이 변화를 어떻게 측정하지 하고 인간이 만들어낸거고
창발은 인간이 생각지도 못한 특성이 떠오르는건데
단순하게 벤치마크 상으로 별로니까 스케일링은 망했어 ai는 스캠이야 이건 아니라고봄
llm이 주목받는 이유가 스케일링 조질때 튀어나오는 특성, 일명 창발 때문인데
벤치마크 포화시키는게 중요하겠냐
벤치마크는 이 변화를 어떻게 측정하지 하고 인간이 만들어낸거고
창발은 인간이 생각지도 못한 특성이 떠오르는건데
단순하게 벤치마크 상으로 별로니까 스케일링은 망했어 ai는 스캠이야 이건 아니라고봄
창발이란 허상이란 논문도 있음
창발적 기능이 잠재적으로 존재하면서 잘 나타나지 않다가 그 도메인 일반적인 패턴의 입출력에서 유의미하게 드러날만큼 내재화되기 시작하는 임계점 아닌가 창발이라고 부르는 게
그 논문 반박 논문도 있던 거 같은데
결국 그 논문내용도 LLM의 성능이 실제로는 파라미터 수에 비례하여 점진적으로 향상되고 있다는거니까 뭐... 이리보나 저리보나 스케일링을 믿어야한다고 생각함
반박 논문 보니까 모델 크기나 연산량이 아니라 충분한 학습을 통해 손실이 임계점을 넘을 때 나타난다라네 맞잖슴 ㅇㅇ 처음 그 없다는 논문 정확히 어떤 내용이었지