让 DeepSeek V4.1 Flash 只看权重猜任务：4 个 RL 检查点猜对 3 个
poppear · reddit · 2026-11-04
- 受「Weight-Space Programming」启发，作者测试 DeepSeek V4.1 Flash 1017 能否仅凭阅读权重理解小神经网络的功能。
- 实验设置：4 个匿名 RL 检查点，每个 51k 参数、架构相同，权重全部渲染为文本，不给元数据、源码或执行结果，只给架构概要和 4 个候选任务。
- 结果：CartPole ✅、Flappy ✅、Catch ✅、BallBeam ❌。模型能识别相对位置、基于角度的平衡等模式；把 BallBeam 误判为 CartPole——两者观测布局相同、控制方式相近，是合理的错误。
- 局限：每个检查点只跑一次，API 最大推理强度共消耗约 158 万 tokens；模型还把 tanh 网络猜成了 ReLU。作者开源了代码、检查点与运行日志（github.com/galatolofederico/wsp），计划增加重复实验。
「模型」频道最新
- 团队宣布已用跨分布式 GPU 训练的模型，称效果很好即将公开 — markjeffrey · 2026-11-04
- 研究员求助:我的模型「知道自己在被评测」,eval-aware 问题怎么破 — nrehiew_ · 2026-11-04
- MiniMax H3 Lite/Highspeed 年末五折，Replicate 与 Cloudflare 独家 — ritakozlov · 2026-11-04
- 曝 OpenAI 内部模型 BenchCAD 2.0 得分 0.875，较 GPT-6 Astra 高出 28 分 — ChrisGPT · 2026-11-04
- 界面惊现"6 Astra High"选项目，新 Astra 版本上线前兆 — gethackteam · 2026-11-04
- 博主放话:大家都低估了 Google 新模型,它已经回来了 — iruletheworldmo · 2026-11-04