Tree-Ising：用伊辛模型做比特级权重编辑修复 LLM

QDeep 与 ITMO 大学等研究者提出 Tree-Ising，一种免梯度的大模型权重修复方法：将「LLM 权重编程修复模型」转化为 BF16 权重上的稀疏离散优化问题，用伊辛模型式编辑在比特层面直接修正权重，专治 LLM 推理中的死循环问题。该方法仅需约 4 次前向传播即可完成修复，修复小模型成本约 90 美分，效果优于此前的 LLM 权重编程方案。

2026-11-11 ~ 2026-11-11 · 3 条相关

• Tree-Ising：用伊辛模型在 BF16 权重上做位级编辑修复 LLM 推理死循环 — Hadi Salloum · 2026-11-11
• Tree-Ising：90 美分修复小模型推理循环，胜过 LLM 权重编程 — pmttyji · 2026-11-11
• Tree-Ising:用伊辛模型做比特级权重编辑，4 次前向即可修复 LLM — _akhaliq · 2026-11-11