یه متخصصی به اسم ژنگ جیاجون رفته ایده جالب «برنامه‌نویسی مستقیم روی وزن‌های هوش مصنوعی» رو تست کرده و نتیجه واقعاً معرکه‌ای گرفته

یه متخصصی به اسم ژنگ جیاجون رفته ایده جالب «برنامه‌نویسی مستقیم روی وزن‌های هوش مصنوعی» رو تست کرده و نتیجه واقعاً معرکه‌ای گرفته. ماجرا از این قراره که مدل Opus 5.5 رو انداخته به جون مدل Qwen3.5-4B تا بدون هیچ آموزش یا دور باطل، فقط دو تا ستون نورونی توی لایه ۲۹ یعنی کمتر از دو ده هزارم درصد کل وزن‌ها رو جراحی کنه. خروجی کار روی ۱۵۰ تا مسئله سخت ریاضی گل کاشته؛ باگ تکرار و هنگ کردن مدل کاملاً صفر شده و دقت جواب‌هاش از ۵۹ به ۹۴ جهش کرده، اونم کلاً ظرف ۲۷ دقیقه، بدون دخالت انسان و با هزینه ناقابل حدود ۱ دلار.

منبع

Zeng Jiajun 曾嘉俊@zengjiajun_eth

> Replicated weight-space programming on my own GPUs today. > Opus 5.5 edited 2 neuron output columns in layer 29 of Qwen3.5-4B. That is 0.00012% of the weights. No gradients, no training loop. > Held-out 150 math problems: > repetition loops 22-25 → 0 > correct 59 → 92-94 > random-patch control: 47-57 > 27 min, $1.03 of API, zero human intervention.

Rikiya Takehi @rikiyatakehi

We asked GPT-6 Astra to edit Qwen3.5-0.8B weights to improve math. It directly changed only 0.016% of weights, fixing 0.8B's reasoning loops & improving math up to 6x and even instruction following 3x, without gradients or training. We call this Weight-Space Programming: frontier LLMs can now natively read/write neural network weights! 🧵 Blog: https://rikiyat.github.io/blog/weight-space-programming/

۱۲ آبان ۱۴۰۵مشاهده در X

یه متخصصی به اسم ژنگ جیاجون رفته ایده جالب «برنامه‌نویسی مستقیم روی وزن‌های هوش مصنوعی» رو تست کرده و نتیجه واقعاً معرکه‌ای گرفته

منبع

نظرها

بیشتر بخوانید

تنظیمات

ظاهر و متن

خواندن و نمایش

استوری‌ها

صدا

اعلان‌ها و موضوع‌ها

صدای فارسی

راه‌های دیگر

ویدیوی خبر

گفتگو