返回讨论

登录以保存并获取更新。

LLM和AGI之间缺少什么——Vishal Misra和Martin Casado

科技

United States

开始于 2026年3月18日

Vishal Misra returns to explain his latest research on how LLMs actually work under the hood. He walks through experiments showing that transformers update their predictions in a precise, mathematically predictable way as they process new information, explains why this still doesn't mean they're conscious, and describes what's actually required for AGI: the ability to keep learning after training and the move from pattern matching to understanding cause and effect

来源文章

What's Missing Between LLMs and AGI - Vishal Misra & Martin Casado

Acquired Podcast (United States) | 2026年3月17日

添加陈述分析 0/5

排序方式：

在找某个具体观点吗？搜索所有陈述

🗳️ 加入对话

5 条陈述待投票 • 您的观点影响分析结果

📊 共识分析进度需要 7+ 名参与者和 20+ 票。每条陈述获得 3+ 票后即纳入分析。

参与者 0/7

陈述（建议 10+） 5/10

总投票数 0/20

💡 进度会在此实时更新。三项要求全部满足后即可运行分析。

您的投票很重要

无需账号。您的投票会被保存并计入共识分析。创建账号即可保存您的投票记录。

观点发布者 will • 2026年3月18日

从模式匹配到因果关系理解的转变至关重要，但在人工智能开发中仍远未实现。

AI 翻译 · 显示原文

The transition from pattern matching to cause and effect understanding is critical but still far from being realized in AI development.

#statement-14833-vote-js { display: none; }

💬 查看讨论

投票后查看结果

观点发布者 will • 2026年3月18日

大语言模型的进步不应掩盖创建模仿人类理解的系统所带来的伦理影响。

AI 翻译 · 显示原文

Advancements in LLMs should not overshadow the ethical implications of creating systems that mimic human understanding.

#statement-14835-vote-js { display: none; }

💬 查看讨论

投票后查看结果

观点发布者 will • 2026年3月18日

相信大语言模型能够导向AGI误传了机器意识和理解的复杂性。

AI 翻译 · 显示原文

Believing LLMs can lead to AGI misrepresents the complexity of consciousness and understanding in machines.

#statement-14832-vote-js { display: none; }

💬 查看讨论

投票后查看结果

观点发布者 will • 2026年3月18日

训练后的持续学习对AGI至关重要；大语言模型必须超越静态模型才能真正复制人类智能。

AI 翻译 · 显示原文

Continuous learning post-training is essential for AGI; LLMs must evolve beyond static models to truly replicate human intelligence.

#statement-14834-vote-js { display: none; }

💬 查看讨论

投票后查看结果

观点发布者 will • 2026年3月18日

大语言模型的精确性和可预测性展示了它们作为实现AGI基础工具的潜力。

AI 翻译 · 显示原文

The precise, predictable nature of LLMs showcases their potential as foundational tools for achieving AGI.

#statement-14831-vote-js { display: none; }

💬 查看讨论

投票后查看结果

💡 使用说明

• 添加陈述： 发布观点或问题（10 至 500 个字符）。
• 投票： 对每条陈述选择同意、不同意或不确定。
• 回应： 附上证据，详细阐述支持或反对的理由。
• 共识： 参与人数足够后，分析会显示各意见群体及其共识所在。

Society Speaks 开放且独立。您的支持让公民讨论远离广告和商业影响。