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。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →