Легализация каннабиса снижает потребление конопли среди подростков: https://4everscience.com/2020/09/12/legalizacziya-kannabisa-snizhaet-potreblenie-konopli-sredi-podrostkov/

Легализация марихуаны повышает показатели раскрываемости преступлений: https://4everscience.com/2023/03/25/marijuana-legalization-and-crime-clearance-rate/

Половина финансируемых исследований каннабиса сосредоточена на вреде от марихуаны:

Dude states that GPT has a world model, based on a few prompts:

Making predictions and dealing with counter-factuals
Demonstrating reasonable predictions about scenarios that it could not have encountered in its training data, thus providing evidence its not ‘just looking things up’ or regurgitating correlations. (Or at least that the line between regurgitating correlations and intelligence is unclear!)

My answer:

Суть социализма, в том числе есросоциализма:
У зарсботавшего сто долларов забираем 50. Из них 4 бюрократам, 1 бездельникам, а 45 вылетает в трубу. В трубу, ибо система "отнять и поделить" делает экономику неэффективной.

Попросили пояснить.

Бездельники:
Безработные. Которые либо "психологически не могут" работать, либо всю жизнь притворяются что ищут работу.
Получатели дотаций.

Значит, тренируют модель, которая по набору точек пытается восстановить выражение для функции. Причём не какого-то определенного вида, а произвольную комбинацию нескольких функций и операторов (с разумным ограничением по размеру). Это называется "symbolic regression".

Вкратце, делается это комбинацией трансформера и MCTS (Monte-Carlo Tree Search). Причем выражение строится из нулевого выражения последовательностью мутаций.

Одним из методов, которые применяли многие ранее, является Genetic Programming. Но с ним одна проблемка - часто, чтобы перейти от выражения к выражению получше, часто надо сделать несколько шагов, с промежуточным ухудшением. И вот эти временно ухудшившиеся решения вымываются из популяции процессом отбора. А с MCTS получается доносить награду за сложную последовательность действий туда где надо - туда, где эта последовательность была начала. Оно и понятно, MCTS применяется во всяких AlphaGo/AlphaZero для Го и шахмат.

Чуваки из Микрософта берут LLM и при помощи промпт-инжиниринга заставляют его решать классификационные задачи. И оно, понятное дело, как-то работает. А фишка в данной работе в методе улучшения формулировки промпта. Здесь у нас есть labeled data (то есть список примеров и ответов к ним). Соответственно, мы можем оценить качество промпта на этих данных (насколько хорошо с таким промптом удаётся предсказать правильный лейбл). Естественно, на большом датасете проверять дорого, прежде всего в смысле времени. Поэтому проверяем на семпле из датасета (но этот ответ, понятно, только некая аппроксимация настоящего ответа).