GPT-6 Astra实验性修改神经网络权重
热点事件持续更新
GPT-6 Astra实验性修改神经网络权重
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
MIT研究者Rikiya Takehi、Jayden Teoh等让GPT-6 Astra直接修改神经网络权重;在小车控制任务中,仅改变约3.5%的权重,便使成功次数从此前256次全部失败变为1024次全部成功。 研究还显示,Astra能识别四个约1.7万参数网络的训练游戏,并尝试生成可获胜游戏的权重,以及改善Qwen3.5-0.8B的数学表现。研究者称,整个过程仅靠提示,无需显式重训练、工具或梯度步骤;目前结论限于10亿参数以下网络的小参数实验,仍属概念验证。
AI 根据报道生成 · 1 小时前更新
最新进展11月19日 07:05
MIT 研究:GPT-6 Astra 一次改 3.5% 权重,小车成功率从 0 到 1024/1024报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- AGI HuntMIT 研究:GPT-6 Astra 一次改 3.5% 权重,小车成功率从 0 到 1024/1024
MIT 研究者让 GPT-6 Astra 直接修改神经网络权重,仅改动 3.5%,使小车在 1024 次尝试中全部成功,此前 256 次均失败。它还准确识别了四个约 1.7 万参数网络的训练游戏,并尝试生成可赢游戏及提升 Qwen3.5-0.8B 数学表现的权重。该研究仅属概念验证,结论面向 10 亿参数以下网络。
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。