机构名称：
¥ 1.0
现代 NLP 模型正在成为比其前辈更好的对话代理。循环神经网络 (RNN) 和长短期记忆 (LSTM) 功能使代理能够更好地存储和使用有关语义内容的信息，这一趋势在 Transformer 模型中变得更加明显。大型语言模型 (LLM)（例如 OpenAI 的 GPT-3）已经众所周知能够构建和遵循叙述，这使系统能够随时采用角色，对其进行调整并参与对话故事。然而，对 GPT-3 的实际实验表明，这些现代 NLP 系统存在一个反复出现的问题，即它们可能会“卡在”叙述中，以至于进一步的对话、提示执行或命令变得徒劳无功。这里将其称为“锁定问题”，并通过实验案例报告进行了举例说明，然后介绍了伴随此问题的实际和社会问题。
“人工智能锁定问题”：现代 NLP 的社会问题
主要关键词
相关文件推荐
