部署后还能自我更新权重，7B 模型实战跑赢 GPT-5.6
jiqizhixin · x · 2026-09-30
UIUC 联合清华背景创业公司 Astraculum 在 ICML 2026 Social World Model 框架基础上，探索 LLM 的认知更新能否延伸到部署阶段：模型在持续流入的市场数据与实时新闻中不断学习，让今天的行情变化改变明天的判断。
核心做法：
- 以 Polymarket 和 Kalshi 预测市场作为天然试验场——市场只围绕未决问题形成，参与者的真金白银下注最能反映共识变化
- 使用 390 天真实预测市场数据，滚动训练 + 持续回测
- 该 7B 模型在同一测试环境中胜过 GPT-5.6、DeepSeek V4 Pro、Claude Opus 5
作者认为胜负关键不在模型规模，而在于它持续从真实反馈中学习，而对手在部署后权重冻结。（据媒体转述，细节待原文验证）
「研究」频道最新
- TypeSafe 发布 Workflow Evals：把策略拆成工作流，各模型比 prompt 更准更快更省 — multiply_matrix · 2026-09-30
- SchmidhuberAI 长文:证明将如机器码,AI 研究者一年内失去个人价值 — ethanCaballero · 2026-09-30
- TCRvdb 数据库发布:功能验证的 TCR-pMHC 数据助力免疫模型 — iskander · 2026-09-30
- 任务调度即老虎机问题：FLD 论文详解人类运动学习中的连续时间 Bandit — breadli428 · 2026-09-30
- RoboPapers 预告新播客:用视觉-语言模型引导预训练机器人策略 — micoolcho · 2026-09-30
- Reddit 长文论断：一次性推理引擎将成为常态，vLLM/llama.cpp 或被边缘化 — netherreddit · 2026-09-30