rasbt 质疑 Qwen3 权重编辑收益：50 步 GRPO 即从 15% 升至 50%

rasbt 质疑 Qwen3 权重编辑研究的效果：base 模型不进行任何微调、仅运行 50 步 GRPO，MATH-500 准确率就从约 15% 提升至约 50%。他推测提升主要源于模型已具备解题能力、但更善于遵循指令格式，而非真正注入知识；相关效果能否推广至其他模型和任务仍待验证。