MIT 学者提出 Meta Models：开局前预测 LLM 训练结果
ZimingLiu11 · x · 2026-10-28
Ziming Liu（KAN 作者）批评当前 RSI 只是「猴子随机打字」——LLM 有实现的手，却没有研究直觉与品味的大脑。其团队提出 Meta Models：能理解训练过程本身的模型，用历史运行数据对配置排序并预测 loss 曲线，无需微调骨干网络。在 7 次 Delphi 运行中，仅用早期观测就将剩余曲线的预测误差降低了 56%，目标是让 AI 在训练开始前就预测其结果。
「研究」频道最新
- 仿真满分真机 0 成功:商汤等团队评测 GPT-6-Astra 揭具身分数水分 — jiqizhixin · 2026-10-29
- GPT 复核论文数据:DeepSeek 第二阶段涨幅被严重低估 — teortaxesTex · 2026-10-29
- 给冻结的 72B 模型插“知识卡带”：拔掉后 AI 诚实地答不知道 — Nearby_Indication474 · 2026-10-29
- 鸡尾酒会反向图灵测试:人类词准确率 0.71,最强语音模型 0.54 追不上 — cloud_kj · 2026-10-29
- K-Dense 开源 177 项科学技能,把 Claude Code 变成科研助手 — alvelda · 2026-10-29
- 斯坦福团队发布 SOTA 提示词优化框架与无监督提示性能度量 — BrihiJ · 2026-10-29