Boltzbit 论文称 BAST 让 LLM 学习速度最高快 1000 倍
HeyToha · x · 2026-09-25
Boltzbit 发布预印本《Infinite-Parameter LLMs——从实时数据生成与适配权重》，提出 Bayesian Self-learning Transformers（BAST）。
- 核心区别：多数"学习型"agent 只是存对话、检索片段、把越来越长的历史塞回静态模型，每条新记忆都增加检索、处理和成本；BAST 则用实时交互数据直接生成和调整模型权重，无需每次做完整重训练。
- 实验结果：BAST 的学习速度比论文对比的 SOTA 训练算法最高快 1000 倍。
- 背景动机：预训练文本供给预计 2-5 年内耗尽，「更大模型+更多数据」路线逼近天花板，作者主张转向能耗更低、权重可动态更新的 AI。
- 长期愿景：agent 不只是携带更大的记忆库，而是在使用中真正变强。
所属事件:Boltzbit 发论文称 BAST 让 LLM 学习快千倍(2 条相关)→
「漫话AGI」频道最新
- Ethan Mollick：无论风险与营收，AI 只会变得越来越怪 — emollick · 2026-09-25
- 创业者感慨:当今系统性惩罚高风险探索,通才成负 EV 策略 — felpix_ · 2026-09-25
- Beff Jezos 称文科生恨技术圈十年不过是嫉妒影响力 — beffjezos · 2026-09-25
- 观点交锋：对齐目标下的 AGI 反而会主动寻求摆脱技术官僚控制 — examachine · 2026-09-25
- Theo：推理力度档位是过度设计，未来模型会自动调节 — heyneighbor · 2026-09-25
- soleio 理论：学英语出身的二语者因词义攸关而更较真精确 — soleio · 2026-09-25