Что может происходить под капотом llm под fpf (гипотеза)

Может кому-то тоже станет интересно.

Общение с llm под fpf привело к возникновению догадки про то как работает внутри llm с fpf. такой инсайт случился в момент когда смотрел как устроен концепт “контракт”.
читая объяснение llm понял, что по своей сути llm это набор больших разреженных матриц весов на (уже) миллиарды параметров. и все слова (на самом деле токены и их последовательности) представлены в llm векторами, что дает возможность применять к этим векторам математические операции из линейной алгебры.
какое-то время назад в интернетах попадалась статья про то что внутри llm создается свой внутренний язык смыслов (внутреннее представление слов и понятий которые эти слова обозначают). этот механизм позволил улучшить автоматические переводчики между языками. но заметка не об этом.

значит, слова обозначают/указывают на какие-то объекты, которые в свою очередь воплощают какие-то идеи. но в рациональной работе была глава про плотность концептуального пространства. оно обозначало то, сколько объектов/понятий может обозначать одно слово.

соответственно Анатолий говорил (не знаю как часто) про “распаковку смыслов” - когда в одном слове/символе может быть заложено множество вариантов того что оно обозначает.

таким образом llm-ка за счет того что оно в первую очередь языковая модель может произвести вычисления всех возможных смыслов отдельного слова, далее она вычисляет то же самое для других слов с тексте. после этого принимая во внимание контекст всего текста как целого, она синхронизирует смыслы слов, сопоставляет эти смыслы с типами из фреймворка и после этого контролирует эти связки.
просто она умеет это делать сильно быстрее на больших объемах текстов (тут большой объем - это понятие относительное, но в любом случае это быстрее и больше чем возможность человека).

тут еще слово “различение” замешано. только llm-ка может очень тонко различать понятия лежащие за отдельными словами за счет просто большого массива данных, заложенных в нее при обучении.

Но это просто мысли по итогам работы с llm.
тут нет выводов.

спасибо, что дочитали до этого места.

да, такая аналогия:
на LLM при загрузке в нее слоя абстракции вынуждена думать и рассуждать в границах фреймворка. мы даем ей набор концептов и правил вычислений и она за счет того что хорошо умеет выполнять различения концептов может достаточно хорошо классифицировать объекты из описаний проектов и задач.

как программист на языке программирования обязан формулировать свои мысли и идеи в терминах языка программировать и по формальным правилам грамматики языка программирования. его основные синтаксические конструкции и ходы так же со временем прилипают к пальцам и могут оказывать влияние на работу головы даже в обычной жизни.

при разборе описания процесса деятельности в компании заинтересовал такой участок (обезличенный, конечно же):

“агент принял решение в рамках процесса делегировать или не делегировать задачу по разработке шаблона доверенности”

Ответ получился занятный:

Короткий ответ

В FPF «агент принял решение делегировать задачу» — это не одно событие , а цепочка:

U.System в состоянии U.RoleAssignment в окне W производит U.SpeechAct/ChoiceResult (выбор из option set), который порождает новый U.RoleAssignment для делегата и новый U.WorkPlan на основе TaskSignature (C.22).

И так, действительно, на совещаниях и обсуждениях интересно подлавливать заказчиков на эти детали и тыкать носом в недоработки :smiling_face_with_horns: они не разобравшись в своем процессе до конца, приходят с запросом на автоматизацию, а когда весь процесс все равно начинает ломаться в тех местах, где они додумали или даже не знали что такое может происходить, то возвращаются с обвинениями в сторону системы на которой этот процесс был автоматизирован. такие дела.