AGI Hunt· Aayush Marasini·· 2 小时前AI 评分40
WeightBench 基准评测 LLM 读写神经网络权重的能力
WeightBench 基准:让 LLM 直接读写神经网络权重
AI 导读
Hugging Face 上新发布 WeightBench 基准,评估 LLM 在受限 CPU 沙箱中读取、修改和生成不同神经网络架构权重的“权重空间编程”能力。评测覆盖 42 个任务,Claude 5.5 Haiku/Sonnet/Opus 的 Macro SWB 分别为 0.402/0.466/0.535,呈现明显的零样本能力 scaling。
来源:AGI Hunt · agihunt.info