Компьютерные науки > Расчеты и язык [представлен 7 октября 2026 года] Название: OpenESM: Energy-Steered Models Are Squalable Foundation Learners View PDF HTML (экспериментальный) Резюме: Энергетика модели продемонстрировали многообещающие свойства для конкретных задач в области домена, но остаются проблематичными при моделировании сценариев общего назначения. Для преодоления этого пробела мы проектируем модели с управлением энергией (ЭММ) для моделирования основных языков. ЭСМ объединяет энергетическое управление и генерацию символов в рамках единой архитектуры, чтобы использовать поиск с помощью энергии для уточнения генерации знаков. В частности, ЭСМ сначала оптимизируют латентное состояние по энергетическому ландшафту, а затем используют усовершенствованное скрытое состояние для символического производства. Проводя такую предварительную подготовку по вопросам крупномасштабной корпорации с использованием энергии, ЭСМ изучает в целом эффективный энергетический ландшафт, где благоприятные символы соответствуют более низким энергетическим значениям. Для изучения масштабного поведения ЭСМ мы готовим Эсм на трех крупных корпорациях, затем оцениваем 26 задач вниз по течению, охватывающих широкий круг областей. Наши результаты свидетельствуют о том, что ЭСМ имеют многообещающие модели масштабного поведения с увеличением размера моделей и данных об обучении, а также превосходят ГПТ по большинству задач низового уровня. Эти выводы свидетельствуют о том, что СМП являются…
OpenESM: Учащиеся фонда " Энергетика-руководители &qt;
arXiv:2610.33.005v1 Adminus Type: New Brieft: Energy Models продемонстрировали многообещающие свойства для конкретных задач в домене, но по-прежнему трудно смоделировать сценарии общего назначения. Для преодоления этого пробела мы проектируем модели с управлением энергией (ЭММ) для моделирования основных языков. ЭСМ объединяет энергетическое управление и генерацию символов в рамках единой архитектуры, чтобы использовать поиск с помощью энергии для уточнения генерации знаков. В частности, ЭСМ сначала оптимизируют латентное состояние по энергетическому ландшафту, а затем используют усовершенствованное скрытое состояние для символического производства. Проводя такую предварительную подготовку по вопросам крупномасштабной корпорации с использованием энергии, ЭСМ изучает в целом эффективный энергетический ландшафт, где благоприятные символы соответствуют более низким энергетическим значениям. Для изучения масштабного поведения ЭСМ мы готовим Эсм на трех крупных корпорациях, затем оцениваем 26 задач вниз по течению, охватывающих широкий круг областей. Наши результаты свидетельствуют о том, что у ЭСМ есть многообещающие модели масштабирования поведения с возрастающей моделью siz