Christopher Manning

Mannings Werkkomplex — GloVe, das grundlegende Stanford NLP-Curriculum, eine Generation seiner PhD-Studierenden, die in alle Richtungen in Industrielabore ausschwärmte — gibt ihm einen Blickwinkel, aus dem die meiste aktuelle LLM-Berichterstattung wie ein Kategorienfehler aussieht. Seine schärfsten neueren Texte argumentieren, dass wir, wenn ein Modell etwas zu „verstehen“ scheint, dabei zusehen, wie statistische Regelmäßigkeit in menschlicher Sprache mit der begrifflichen Struktur verwechselt wird, auf der diese Muster aufliegen. Diese Position ist selten für jemanden mit seinem Status und seinen institutionellen Anreizen; gerade deshalb sollte man sie ernst nehmen.

Lesenswert, wenn

man die Lücke zwischen „das Modell hat die richtigen Wörter produziert“ und „das Modell wusste, was diese Wörter bedeuten“ lesen will — geschrieben von jemandem, der lange genug im Feld ist, um zu wissen, was bei der Umbenennung von NLP zu AI verloren ging.

Themen

was distributionelle Semantik über Bedeutung behaupten kann und was nicht; strukturelle Kritiken an aktueller LLM-Evaluationspraxis; der lange Bogen der Sprachtechnologie vor LLMs.

Zentrale Arbeiten

GloVe word vectors (2014, Ko-Hauptautor mit Pennington und Socher); „Foundations of Statistical Natural Language Processing“ (1999, mit Schütze); langjähriger Werkkomplex öffentlicher Kritiken an aktueller LLM-Evaluationspraxis.