多组报告称前沿模型可生成并编辑神经网络权重
AI 总结
Latent Space 报道,多个团队复现了 Weight-Space Programming 论文,称发现前沿大语言模型无需梯度训练或工具即可生成或编辑小型神经网络的权重。复现包括使用 ML Intern 的 Hugging Face 版本,以及在笔记本上运行 Qwen 3.8 27B 的实验。其他已报告的结果包括 Fable 生成一个包含10万个参数的分类器,以及 GPT-6 Astra 编辑 Qwen3.5-0.8B 权重,将 MATH-500 准确率从7.9%提高至48.1%。Latent Space 表示,部分结论的呈现过于乐观,原因涉及基线不足、基准过拟合、循环带来的收益,以及一种更窄的解释:模型可能只是借助沙箱充当可解释性智能体,而非原生“读取”权重。
深度见解
多项独立复现表明这是智能体式机制可解释性领域的一项实质性进展,但对基线、评测方法和实际机制的质疑,限制了关于模型原生理解权重和获得新推理能力的更广泛结论。
这篇来源是多条新闻的汇总(《[AINews] Behind Latent Space: Kill My SaaS, Jev…》),本条内容请在原文中查看。
#Weight-Space Programming#Hugging Face#ML Intern#GPT-6 Astra#Qwen3.5-0.8B#Qwen 3.8 27B#MATH-500#Fable