MIT 研究:GPT-6 Astra 一次改 3.5% 权重,小车成功率从 0 到 1024/1024
DeepLearningAI · x · 2026-11-19
DeepLearning.AI 的 The Batch 报道了 MIT 研究者 Rikiya Takehi、Jayden Teoh 等人的工作:让 GPT-6 Astra 直接解读、修改甚至生成神经网络权重,无需显式重训练、工具或梯度步骤。
实验内容
- 识别任务:四个各约 1.7 万参数的小网络分别训练玩 Breakout、Pong、Pac-Man、Frogger,仅给出权重并问「这网络训练的是哪个游戏」,GPT-6 Astra 四次全对。
- 改权重:一个约 17.1 万参数的 vanilla 网络在 Kinetix 环境学开车上坡,训练在爬坡失败时中止。把问题描述、目标、权重和一次失败动作喂给模型后,GPT-6 Astra 只改动了 3.5% 的权重,就让小车在全部 1024 次尝试中成功(此前 256 次全败)。
- 生成网络:还尝试让模型直接生成能赢游戏、以及提升 Qwen3.5-0.8B 数学表现的网络权重。
结论:对 10 亿参数以下的网络,仅靠提示 LLM 就可能改进其权重,属于概念验证阶段。
「模型」频道最新
- LangChain Managed Deep Agents 首日接入 Gemini 4 Neon — hwchase17 · 2026-11-19
- 早期用户晒 Gemini 4 Neon 画作:全用代码绘制,速度与能力获赞 — Swarooprm7 · 2026-11-19
- Google AI Ultra 订阅新增 YouTube Premium 家庭版权益 — osb103 · 2026-11-19
- Peter Yang 力荐:Gemini 的「Neon」写作能力对标 Opus — petergyang · 2026-11-19
- Gemini 4 Neon 登顶 CursorBench帕累托前沿,谷歌再夺编码榜第一 — melvinjohnsonp · 2026-11-19
- OpenAI 推出 Background Mode 折扣窗口:放宽时限最多省 40% token 费用 — OpenAIDevs · 2026-11-19