J-space Forecasts Model Collapse, but Only Anchoring the Function Prevents It
Mientras que el entrenamiento recursivo con datos sintéticos causa un colapso del modelo que se manifiesta como una deriva global en el subespacio de la representación del espacio J, el estudio encuentra que estabilizar esta geometría es ineficaz, mientras que anclar la función de entrada-salida del modelo a un estado previo al colapso utilizando un pequeño número de secuencias reales previene con éxito casi todo el daño.