（无）偏数据与自旋玻璃揭示人-Transformer交互中图灵相变的聚类现象
物理与社会
2025-09-16 v2 无序系统与神经网络
概率论
应用统计
摘要
本文通过分析图灵测试中温度诱导的相变（系统宏观行为的突变），研究了大语言模型展现与人类同等智能的能力。我们采用了三种方法：对人类调查问卷进行统计分析和偏差量化，使用余弦相似度作为比较指标从真实人类撰写与AI生成的文本数据中进行信息检索，以及数学自旋玻璃模型与模拟。我们以达特茅斯学院的Flitzing传统（一种通过电子邮件发送诗歌式浪漫邀请的传统）为案例研究收集文本数据，因其信息丰富。在这三种方法中，我们在相变和聚类结果上获得了一致性，这些结果也与关于Transformer数学和亚稳态的文献相符。我们的工作启发了利用自旋玻璃理论为人工智能的数学基础，特别是在人类交互带来的环境随机性下，提供支撑，并得到了真实数据的验证。
关键词
引用
@article{arxiv.2505.02879,
title = {(Un)biased data and spin glasses reveal clustering for Turing phase transitions within human-transformer interactions},
author = {Jackson George and Zachariah Yusaf and Stephanie Zoltick and Linh Huynh},
journal= {arXiv preprint arXiv:2505.02879},
year = {2025}
}