محققان در مطالعهای جدید به بررسی نحوه بازنمایی «حالات ذهنی» در مدلهای ترنسفورمر (مثل LLMها) پرداختهاند. آنها متوجه شدند که این مدلها میتوانند متون را بر اساس پیوستاری از حالات انسانی (از وضعیتهای پراکنده و آشفته تا حالتهای متمرکز و یکپارچه) دستهبندی کنند.
این تحقیق نشان میدهد که فضای برداری مدلهای هوش مصنوعی دارای ساختاری هندسی و سازمانیافته است که میتواند بازتابدهنده طیفی از وضعیتهای ذهنی در زبان باشد. این دستاورد میتواند گامی مهم برای درک بهتر «فهم» مدلهای زبانی از مفاهیم انتزاعی و پیچیده انسانی باشد.
های_زبانی
منبع: arXiv Machine Learning



