该文综述机器学习中的绑定问题,即如何组合同一对象的多个特征。研究提出多种方法:用旋转特征推广复数特征、去噪自编码器动态绑定特征、递归神经网络研究特征捆绑与视角转换、八元数代数优化绑定矩阵、随机特征学习旋转不变函数、物理知识指导神经网络预测三维旋转动力学,以及脑启发混合神经网络实现时间绑定。
本文研究了语言模型如何进行绑定问题,即如何将一个对象的特征识别为与该对象绑定,而不是与其他对象绑定。通过因果实验,发现足够大的语言模型可以学习简单的结构表征来进行绑定。同时,研究了语言模型能否跟踪实体的状态,发现只有在大量代码上经过预训练的模型才能表现出这种能力。
完成下面两步后,将自动完成登录并继续当前操作。