باحثو MIT يختبرون قراءة أوزان النماذج وإصلاحها بالذكاء الاصطناعي

ما الذي حدث

يقول الباحثون إن GPT-6 Astra تعرف على دوائر ومربعات ومثلثات من أوزان ثلاثة نماذج انتشار صغيرة. لكنه رسم حدودا خارجية، بينما ولدت النماذج أشكالا ممتلئة.

في تجربة أخرى، رفع تعديل 0.016% من أوزان Qwen3.5-0.8B النتيجة المعلنة على MATH-500 من 7.9% إلى 48.1% بميزانية 50 تمريرا أماميا. ولم تثبت محاولة على Gemma 3 270M تحسنا ذا دلالة.

ما الذي نتابعه

تابعوا تكرار النتائج والتكلفة الإجمالية للتعديلات وثبات التحسن عبر عائلات نماذج مختلفة.