WeightBench 基准:让 LLM 直接读写神经网络权重
Aayush Marasini · hf · 2026-11-19
Hugging Face 上新发布的 WeightBench 基准,评估大模型执行「权重空间编程」(Weight-Space Programming)的能力,即读取、修改和生成各种神经网络架构的权重。评测环境设计:研究员 agent 在受限 CPU 沙箱内通过带预算探针的 Weight API 访问被测模型,配 append-only 哈希链式账本与审计机制,隐藏目标保密、事后计分。配图显示 42 个任务上出现明显的零样本能力 scaling:Claude 5.5 Haiku/Sonnet/Opus 的 Macro SWB 分别为 0.402/0.466/0.535。
「研究」频道最新
- Boltz Lab 首晒使用数据:分子 token 五个月暴涨 50 倍 — GabriCorso · 2026-11-19
- 研究者质疑 METR/Anthropic「2 倍加速」RSI 论证统计上站不住 — jessi_cata · 2026-11-19
- 用线性探针识别基座模型补全文本时扮演的人格,尚无人尝试 — cephaloform · 2026-11-19
- ETH 机器人 Anymal 阿尔卑斯山完成 10 公里全自主徒步 — ChongZzZhang · 2026-11-19
- OpenVax 代码量 15 个月从 7.8 万行涨到 56.5 万行 — iskander · 2026-11-19
- François Fleuret:decoder Transformer 没有 trade-off 超参,足够优雅 — francoisfleuret · 2026-11-19