MIT提出权重空间编程方法提升小模型性能
热点事件持续更新
MIT提出权重空间编程方法提升小模型性能
2 篇报道2 个报道来源2 小时前更新
先了解这件事
AI 综述
MIT CSAIL的研究者提出权重空间编程方法，让GPT-6 Astra直接读取并修改Qwen3.5-0.8B等小模型的神经网络权重，仅调整约0.016%的参数，在允许进行50轮前向推理的实验中，将模型在MATH-500上的成绩从7.9%提升至48.1%。 该方法整个过程没有使用梯度下降或传统训练循环。研究人员还使用Gemma 3 270M进行了对照实验。
AI 根据报道生成 · 5 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- IT之家精选MIT 研究者提出权重空间编程：GPT-6 Astra 仅修改 Qwen3.5-0.8B 约 0.016% 权重，数学成绩提升至原来 6 倍
MIT CSAIL 研究者提出「权重空间编程」，让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重，仅调整约 0.016% 参数，将模型在 MATH-500 上的成绩从 7.9% 提升至 48.1%，在 GSM8K 上从 13.8% 提升至 67.1%，指令遵循能力从 21.0% 提升至 62.3%。
- 量子位精选MIT研究：GPT-6 Astra可直接修改Qwen权重，数学能力提升6倍
MIT研究显示，GPT-6 Astra能直接读取并修改Qwen3.5-0.8B模型权重，仅改动0.016%权重，MATH-500得分从7.9%提升至48.1%，数学能力提升约6倍，指令执行能力也提高3倍。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。