实测质疑模型改权重自改进
热点事件持续更新
实测质疑模型改权重自改进
2 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
ccerrato147 实测评估 MIT CSAIL“模型读取并改写另一模型权重”的自改进演示后认为，该方法目前只修复了简单循环错误，尚不能证明模型因此变聪明，也无法确认其优于强化学习或普通梯度微调。 复现中，Atari Seaquest 成绩为 89 比 53，Asterix 为 55 比 53，Breakout 为 58 比 25，与“比强化学习好20倍”的说法不符；数学方面，默认模式下0.8B模型准确率仅从44.6%升至48.1%。定理证明器上，因达到 token 上限而未作答的比例从42%降至4%，但证明数量略降；所谓“数学能力提升6倍”实际来自 thinking 模式循环至 token 上限。谄媚测试中，仅靠权重修改的 Astra 四次均失败，加入对自身提示词的注意力观察后才成功。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 06:46
模型改写另一模型权重实现自我改进的演示缺乏论文与复现数据报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- AGI Hunt模型改写另一模型权重实现自我改进的演示缺乏论文与复现数据
作者评估了模型读取并改写另一个模型权重以实现自我改进的演示，认为其潜力与炒作并存。当前案例仅修复简单 loop bug，所谓“比强化学习好 20 倍”无法复现，Atari Seaquest 实为 89 比 53，Breakout 为 58 比 25。
- AGI HuntAI 改权重演示实测：Atari 成绩为 89 比 53，数学准确率仅从 44.6% 升至 48.1%
作者逐条核验 MIT CSAIL「AI 修复 AI 权重」演示，结果显示 Seaquest 为 89 比 53、Asterix 为 55 比 53、Breakout 复跑为 58 比 25。所谓「数学能力提升 6 倍」来自 thinking 模式循环至 token 上限，默认模式下 0.8B 模型由原模型的 44.6% 升至修补后的 48.1%。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 07:00
- 近 24 小时变化
- –
02.557.510
07:0008:0009:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。