Quoc V. Le

Les Name erscheint als Senior- oder Mitautor auf einer bemerkenswerten Zahl von Papers, die sich als Wendepunkte erwiesen haben: Sequence-to-Sequence Learning with Neural Networks (2014), Doc2Vec, grundlegende Arbeiten zu AutoML und Neural Architecture Search sowie — direkt relevant für aktuelle LLM-Evaluation — Chain-of-Thought Prompting (2022, mit Jason Wei und anderen). Die durchgehende Linie ist kein einzelnes Forschungsprogramm, sondern die Gewohnheit, früh bei der nächsten Architekturidee zu sein, oft um ein Jahr oder mehr. Für ai100 ist die praktische Implikation, dass fast jede Evaluation, die wir durchführen, downstream von einem seiner Papers liegt — Seq2Seq für die Architektur, CoT für den Prompting-Stil, den die meisten Reasoning-bewussten Evaluationen heute benötigen.

Lesenswert, wenn

man eine aktuelle LLM-Fähigkeit oder Evaluationspraxis zu ihrem architektonischen Ursprung und den Trade-offs zurückverfolgen will, die ihr Design geprägt haben.

Themen

Sequence-to-Sequence Learning als Grundlage moderner LLMs; Prompting mit Gedankenkette (Chain-of-Thought); Neural Architecture Search und AutoML.

Zentrale Arbeiten

Sequence-to-Sequence Learning with Neural Networks (2014, Mitautor); Chain-of-Thought Prompting Elicits Reasoning in LLMs (2022, Seniorautor); grundlegende AutoML- und Neural Architecture Search-Publikationen.