為什麼僅用十萬分之一數據，兒童就能超越大模型
麻省理工研究人員發現「數據效率差距」，即兒童利用極少數據就能超越ai，表明逆向工程人類認知可能會帶來更高效的模型。
MIT Technology Review 報導了一個「數據效率差距」（data efficiency gap），指出大型語言模型（LLMs）需要龐大的數據集，而兒童卻能在極少的接觸中掌握語言流暢度。研究人員希望了解這種人類學習機制將能引導出只需要較少訓練數據的 AI 架構。這條研究路線旨在解決 AI 效率中的基本挑戰，並回答關於認知科學的長期問題。