Quoc V. Le

Le nom de Le apparaît comme auteur senior ou co-auteur sur un nombre remarquable d'articles qui se sont révélés être des points d'inflexion : Sequence-to-Sequence Learning with Neural Networks (2014), Doc2Vec, des travaux fondateurs sur AutoML et la recherche d'architectures neuronales, et — directement pertinent pour l'évaluation actuelle des LLM — Chain-of-Thought Prompting (2022, avec Jason Wei et d'autres). Le fil conducteur n'est pas un programme de recherche unique, mais l'habitude d'être en avance sur la prochaine idée architecturale, souvent d'un an ou davantage. Pour ai100, l'implication pratique est que presque toutes les évaluations que nous menons sont en aval de l'un de ses articles — Seq2Seq pour l'architecture, CoT pour le style de prompting que la plupart des évaluations attentives au raisonnement exigent désormais.

À lire lorsque

vous voulez retracer une capacité actuelle de LLM ou une pratique d'évaluation jusqu'à son origine architecturale et aux compromis qui ont façonné sa conception.

Thèmes

apprentissage sequence-to-sequence comme fondement des LLM modernes; prompting par chaîne de raisonnement; recherche d'architectures neuronales et AutoML.

Travaux clés

Sequence-to-Sequence Learning with Neural Networks (2014, co-auteur); Chain-of-Thought Prompting Elicits Reasoning in LLMs (2022, auteur senior); publications fondatrices sur AutoML et Neural Architecture Search.