Les LLMs sont absolument incroyables pour des choses dans ou comme leur ensemble d'entraînement (dans la distribution). Ils sont utiles aux experts chevronnés pour des choses juste au-delà de l'ensemble d'entraînement. À la frontière de la distribution. Peu de preuves de percées bien au-delà de la distribution jusqu'à présent.
NIK
NIK8 sept., 00:17
Co-fondateur d'OpenAI : “gpt-5 pro pour les mathématiques novatrices — en partenariat avec un professeur de mathématiques” Mathématiciens : “À première vue, cela pourrait sembler utile pour une phase exploratoire, nous aidant à gagner du temps. En pratique, cependant, c'était tout le contraire” > ne semble soutenir que la recherche incrémentale > pas d'idées véritablement nouvelles > seulement la combinaison d'idées provenant de différentes sources > “nous sommes encore loin de partager l'enthousiasme sans réserve suscité par le post de @SebastienBubeck” prédictions futures > saturera le paysage scientifique avec des contributions techniquement correctes mais seulement modérément intéressantes > rendant plus difficile la mise en avant de travaux véritablement originaux > “un flot de résultats techniquement compétents mais sans inspiration qui dilue l'attention” > Les doctorants pourraient perdre des opportunités essentielles pour développer des compétences fondamentales > non seulement une perte d'originalité, mais aussi un affaiblissement du processus même de devenir mathématicien s'il vous plaît, ne tombez pas dans les tactiques de relations publiques d'OAI.
5,01K