Llama 2 与 Code Llama 技术深解

阅读像你这样一位知识渊博的人的总结真是一大享受，值得称赞！

现在，我有点惊讶的是你没有把 LLM 中的多模态作为研究/差异化的主要轴线引入。文本与视觉的配对已经相对直接，声音景观中也存在子模态差异，从语音转文本扩展到文本转声音（例如 Bark 模型），但这只是开始而已……

在我看来，广义多模态是通向 AGI 的一条被严重忽视但很直接的路径，因为它会解决这些模型中符号接地（symbol grounding）的大部分棘手问题（另一部分是来自世界对模型的反馈，是向真正进化意向综合的直接路径）。

如果模型涵盖我们的 5 种感觉和本体感觉，它们应该演化出更与人类一致的内部世界表征。人们甚至可以推测这些 LLM 是否会收敛到一种通用的底层神经编码方案，比如某种 Grossberg 的 ART 改进，如本文所述，https://www.mdpi.com/2078-2489/14/2/82

很棒的文章。我倾向于尽力跟踪新闻，但你在整理一切方面做得非常出色，我可能只需要阅读你的通讯。我想知道你是否使用任何 LLM 来帮助你写作或组织原始文本。