AI 单轮直接写出 Breakout 网络权重,成绩达 PPO 训练 20 倍
xennygrimmato_ · x · 2026-11-03
rikiyatakehi 介绍的一个实验被转引:给定 MinAtar 游戏规则和代码,Astra 在单次回复中直接写出了一个 Breakout 神经网络的权重——不做任何训练、不用任何工具。
结果显示,这套「直接写权重」的网络得分比用 PPO 训练 5 亿步的网络高出约 20 倍,展示了大模型在小规模强化学习任务上「跳过训练、直接合成解」的惊人能力。
「模型」频道最新
- 用户用量截图中惊现 GPT-6.2 Astra，疑似正在灰度推送 — jeppa35 · 2026-11-03
- OpenAI 用量共享限额的隐藏代价：流失最能帮模型改进的重度用户 — evanmac42 · 2026-11-03
- Mistral Le Chonk 科学报告发布,团队预告下一版还有惊喜 — _AndrewZhao · 2026-11-03
- Mistral ML4 开源:仅 10 兆瓦算力从头训练,自称网络防御与编码最强开放权重模型 — _AndrewZhao · 2026-11-03
- Dessa 被指印证 Karpathy「召唤幽灵」类比：Jack 直言模型速度很快 — analisereal · 2026-11-03
- Together CEO:真正目标是 token maxing 而非 cost maxing — togethercompute · 2026-11-03