算法论文8

Meta：机器学习‘少即是多’有条件

深度学习自然语言处理2025-11-11

AI 摘要

Meta研究指出，机器学习中‘少即是多’并非普遍成立。其提出理论框架，推导测试误差定律，表明生成器强、数据丰沛时‘少即是多’为最优，还为数据筛选提供指导。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

清华Jev-LDE：一次编辑暴涨ICL准确率

清华大学自动化系研究者针对大模型上下文学习（ICL）中示例选择成本高、效果不佳的问题，提出Jev-LDE方法，仅对初始检索示例做一次局部编辑，即可大幅提升1-shot准确率，推理成本增量很低。

本文披露Meta AI负责人亚历山大王的爆料，扎克伯格豪掷千亿美金押注未经验证的Muse Wonder大模型项目，失败Meta将陷入严重财务危机，目前该模型已跻身顶级大模型队列。

本文是面向零基础的大语言模型入门长文，无需机器学习背景，只用简单例子讲清大语言模型的核心逻辑，覆盖从原理到产品化的全流程，适合新人系统学习。

本文报道Meta推出新一代旗舰大模型Muse Wonder系列，第三方评测显示其在长程编程、Agent任务中超越现有顶级模型，扎克伯格称Meta重回AI技术前沿，但实测暴露短板，推理成本大幅上涨。