权重空间编程或成大模型自检与持续学习的新路径
Michael_D_Moor · x · 2026-11-15
作者提出,权重空间编程(WSP)是把大模型做得更封装、更可自检的一个充分理由。若能在教师模型自身上运行 WSP,就可以用于 RSI(递归自我改进)、测试时自适应和持续学习。
这是一个方向性的研究观点:让模型权重本身变得可读、可编程,可能是模型自我改进闭环的基础设施。
所属事件:学者提议以权重空间编程实现大模型自检与持续学习(3 条相关)→
「研究」频道最新
- 网友实测：前沿 LLM 或在蛋白质数据上做过训练，变体排序接近 ESM2 — alex_peys · 2026-11-15
- AI 发现玛雅遗址说法被推翻:2025 年人类已先发现 — FomalhautCalliclea · 2026-11-15
- MaxxBench：微改任务格式，编码 Agent 成绩骤差 23 分 — MFarajtabar · 2026-11-15
- 学者提议：让大模型可自检，用权重空间编程实现持续学习 — Michael_D_Moor · 2026-11-15
- ValsAI 发布三个社会流动性基准，涉及司法、移民与理财辅导 — AnkaReuel · 2026-11-15
- 数学教授谈 OpenAI 拟黎曼假设证明：本以为此生看不到 — haider1 · 2026-11-15