Les faits
Les chercheurs indiquent que GPT-6 Astra a reconnu cercles, carrés et triangles dans les poids de trois petits modèles de diffusion. Il a toutefois dessiné des contours, alors que ces modèles produisaient des formes pleines.
Dans un autre essai, modifier 0,016 % des poids de Qwen3.5-0.8B a fait passer le score déclaré MATH-500 de 7,9 % à 48,1 %, avec 50 passes avant. Un essai sur Gemma 3 270M n’a pas établi d’amélioration significative.
Pourquoi c’est important
Notre analyse : corriger les répétitions peut révéler une capacité existante sans créer un nouveau raisonnement. Ces essais ne démontrent pas une auto-amélioration récursive autonome. Réplication indépendante et vérification des régressions restent nécessaires.
À surveiller
À suivre : réplications, coût total des modifications et améliorations fiables sur différentes familles de modèles.
Sources et vérification
Les liens ne correspondent pas nécessairement à des confirmations indépendantes.
01Signaler une correction
Aidez-nous à corriger
Indiquez l’affirmation contestée et si possible une source. N’envoyez pas de données personnelles ou sensibles.
-00.06.31.698.png)
