Компьютерные науки > Машинное обучение [представлено 7 октября 2026 года] Название: Fault-Point Model View PDF HTML (экспериментальный) Резюме: Появление компьютерного оборудования часто обеспечивает надежность для энергоэффективности; здесь мы показываем, что широкоязычные модели могут быть обучены терпеть эту ненадежность и что вместо того чтобы унизить их устойчивость к ошибкам на самом деле возрастает по мере роста. Измененные законы о нейронном масштабировании, основанные на 40 000 часов тренировок с использованием имитируемых неисправных цифровых аппаратных средств, дают количественную оценку этой тенденции и предполагают, что модели учатся вычислять в «хороших» кодах коррекции ошибок, относительные накладные расходы которых остаются ограниченными независимо от размера модели. Этот вывод подводит нас к предположениям о том, что должным образом обученные МЛМ могут быть формально нетерпимыми; если это так, то использование АИ вывода относительно низкой энергии может стать способом существенной экономии энергии по сравнению с существующим положением. Дополнительные параметры контекст текущего просмотра: cs.LG ссылки и цитаты загрузка... Библиографические и цитационно-инструментальные средства Библиографии (что такое Исследователь?) Подключенные документы (Что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart Citations (Какой умный клиент?), код, данные и СМИ связаны с этой статьей альфаXiv (Альфоксив?) Катализированные коды для документов (Кто является…
Модели неустойчивого фундамента
arXiv:2610.10311v1 Annuatet Type: Cross Briew: Появляющиеся компьютерные аппараты часто торгуют надежностью для энергоэффективности; здесь мы показываем, что широкоязычные модели (LMS) могут быть обучены терпеть эту ненадежность и что их способность к ошибкам вместо того чтобы унизить ее, на самом деле возрастает с ростом. Измененные законы о нейронном масштабировании, основанные на 40 000 часов тренировок с использованием имитируемых неисправных цифровых аппаратных средств, дают количественную оценку этой тенденции и предполагают, что модели учатся вычислять в «хороших» кодах коррекции ошибок, относительные накладные расходы которых остаются ограниченными независимо от размера модели. Этот вывод подводит нас к предположениям о том, что должным образом обученные МЛМ могут быть формально нетерпимыми; если это так, то использование АИ вывода относительно низкой энергии может стать способом существенной экономии энергии по сравнению с существующим положением.