Boltzbit 预告论文：BAST 架构称 LLM 学习速度可达 SOTA 千倍

jmhernandez233 · x · 2026-09-22

Boltzbit 发布论文预览《Infinite-Parameter LLMs — Generating and Adapting Weights from Live Data》，提出 Bayesian Self-learning Transformers（BAST）架构。

• 团队宣称基于 BAST 的大模型学习速度比人类设计的 SOTA 训练算法快至 1000 倍，主张从「静态权重、高成本」转向「动态权重、低能耗」的 AI 范式
• 论文动机：预训练文本数据预计 2-5 年内耗尽，而 AI Agent 的采用正产生海量持续增长的会话数据，这些数据目前未被利用、随会话结束即丢失
• 核心思路是让模型直接生成与自适应权重，从实时数据中持续学习

注意：这是团队自发布的 preview 版本，1000 倍等数字为官方宣称，尚无第三方复现或同行评审，建议保持谨慎。

原文链接 →

「研究」频道最新

• 超 1TB 中国 A 股 L2 逐笔限价订单簿数据集上线 Hugging Face — venvoo · 2026-09-22
• Grok 4.7 发布后，Reddit 提议按「每可用任务成本」而非 token 价评估模型 — Crescitaly · 2026-09-22
• 谷歌 ScientistTwo 自动科研系统:107 道题攻克 80.4%,超人类 SOTA — thisdudelikesAI · 2026-09-22
• 腾讯混元推出 WebCraftBench:Agent 实测网页应用,人偏好匹配度 85.3% — TencentHunyuan · 2026-09-22
• Sarah Hooker 提议收 1 美元投稿费,测 AI 研究 agent — MannyKayy · 2026-09-22
• 曝 OpenAI 新模型训练仅 24 天已解决百余个数学开放难题 — BilelKort · 2026-09-22

更多「研究」频道 AI 资讯 →