查看“WikiEdge:ArXiv-2407.15017/conclusion”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2407.15017/conclusion|action=edit}} 编辑]</div>
根据提供的文献内容，这篇论文的主要结论可以概括如下：
# '''[[知识机制]]的重要性'''：理解大型[[语言模型]]（LLMs）中的知识机制对于朝着可信的[[通用人工智能]]（AGI）发展至关重要。
# '''知识利用与演化的新分类法'''：本文提出了一个新的分类法，用于分析知识在LLMs中的利用（包括[[记忆]]、[[理解]]和[[应用]]、[[创造]]）和演化（关注个体和群体LLMs中知识的动态进展）。
# '''LLMs的知识局限性'''：LLMs已经学习了基本的世界知识，但学到的知识是脆弱的，导致了如[[幻觉]]和[[知识冲突]]等挑战。这种脆弱性可能主要是由于不当的学习数据造成的。
# '''暗知识的存在'''：提出了潜在的“[[暗知识]]”（未被人类或模型学习的知识）的概念，这将是未来研究中需要解决的挑战。
# '''未来研究方向'''：论文讨论了关于LLMs已有和未获得的知识的开放性问题，并提供了一些未来研究的方向，包括知识机制分析工具的开发。
这些结论为理解LLMs中的知识提供了新的视角，并为未来的研究提供了见解。