MIT 研究揭示：给 LLM 权重加噪免训练提升推理，实为“伪装的采样”

MIT 一项研究揭示，Neural Thickets 通过给 LLM 权重加入随机噪声、保留最优副本并让它们投票，无需训练即可提升推理能力。其原理实为“伪装的采样”：在数十亿权重上施加噪声扰动，可替换为在 logits 上加入随机向量，说明增益来自解码端随机性，而非权重改变。