跳到正文
热点事件持续更新

Hugging Face 发布 WeightBench 基准

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Hugging Face 发布 WeightBench,用于评估大模型读取、修改和生成不同神经网络架构权重的“权重空间编程”能力,结果显示 Claude 5.5 系列在 42 个任务上的零样本表现随模型版本提升。 Claude 5.5 Haiku、Sonnet 和 Opus 的 Macro SWB 得分分别为 0.402、0.466 和 0.535。评测在受限 CPU 沙箱内进行,研究员代理通过带预算探针的 Weight API 操作模型,并采用只追加的哈希链账本审计操作过程;目标答案保密,任务结束后统一计分。

AI 根据报道生成 · 40 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19日
  1. AGI Hunt
    WeightBench 基准评测 LLM 读写神经网络权重的能力

    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。

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。