新研究提出「自动权重空间编程」:模型学会对自身神经元做 logit lens

udmrzn · x · 2026-11-16

Atharva Naik、Emmy Liu 与 Varun Gangal 在 alphaXiv 发布博客《Auto Weight-Space Programming(Part 1)》,正式定义了「权重空间编程」——直接以数字形式读取或写入模型权重——并提出 auto-WSP 目标:让模型对自己执行这一操作。

首个玩具实验:Qwen3.5-4B 学会对自己未见过的 128 维神经元切片应用 logit lens,在四分类测试中达到 99.8% 准确率(随机水平 25%)。直接说出 token、写入权重、追踪电路、预测行为被列为后续步骤。

所属事件:研究者提出权重空间编程助力大模型自检与持续学习(4 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →