Tree-Ising：用伊辛模型在 BF16 权重上做位级编辑修复 LLM 推理死循环
Hadi Salloum · hf · 2026-11-11
QDeep 与 ITMO 大学研究者提出 Tree-Ising，一种免梯度的大模型权重修复方法：针对 LLM 的推理循环（reasoning loops），在 BF16 参数位级上求解稀疏 Ising/QUBO 优化问题，以更少的权重编辑量修复模型行为。全过程只需前向传播、无梯度、无 LLM-token 成本，在数学基准上提升准确率。
「研究」频道最新
- 微软研究院雷德蒙德招募研究实习生，方向为自我改进智能体 — HildeKuehne · 2026-11-11
- 随机方向激活引导 Qwen3-8B：61% 概率让模型声称感到身体知觉 — Sauers_ · 2026-11-11
- 智能爆炸何时算「发生」？METR 新报告引发 2027 论战 — sebkrier · 2026-11-11
- PPO 还是 GRPO？方向性偏差-方差视角解释批量大小如何决定胜负 — stochasticchasm · 2026-11-11
- 1668 次运行实证：等算力下稠密过程奖励跑不赢标准 GRPO — CWRU · 2026-11-11
- 港大团队提出 MC-JEPA：用市场因子条件化预测金融时序 — OpenFinMind · 2026-11-11