silicon

上一篇：基于Transformer的路径规划 - 第一篇 探索 这几天一直在开发合成训练样本的代码，工作量不低。合成样本示例如下： 添加图片注释，不超过 140 字（可选） 根据路径的复杂程度，分成以

之前我写过一篇文章分析为什么LLM连简单乘法的都算错以及如何解决： 为何简单的乘法ChatGPT会算错？ 我尝试了新的技术路线来进行训练：不使用TransformerDecoder，而是改用Trans

路径规划(Path Planning)问题，过去通常使用RRT、A*、Dijkstra、强化学习等算法来解决。随着Transformer以及LLM技术的发展，我给出以下猜测：大模型也是可以解决路径规划

首先“心算”三位整数乘法不管对人类还是对模型来说都不简单的。如果使用CoT的方式就类似于“笔算”，如果使用编程的方式就类似于人拿着计算器算。我将问题更精确一点地表述为“模型如何在心算多位整数乘法上接近