LLM不经梯度下降直接写入权重控制真实拖拉机
热点事件持续更新
LLM不经梯度下降直接写入权重控制真实拖拉机
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Timo Oksanen 在 arXiv 论文(arXiv:2611.21958)中提出权重空间编程(weight-space programming):让 GPT-6 Astra 与 Claude Fable 5.1(及 5.2)在自然语言规范下,不经过优化器或梯度下降,直接读写一个 253 参数神经网络的权重,用于自动拖拉机导航。 借助少量模拟评估反馈,两个模型均能在单次会话中修复为另一台拖拉机训练的网络,并从零权重写出一个可用控制器;对比之下,进化策略从零权重未能找到可用控制器。论文称,所有语言模型生成的控制器均在真实拖拉机上无需人工干预完成转向,误差与纯追踪(pure pursuit)算法同一量级。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
arXiv 论文提出权重空间编程,用大语言模型直接写入权重控制真实拖拉机报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AI精选arXiv 论文提出权重空间编程,用大语言模型直接写入权重控制真实拖拉机
Timo Oksanen 在 arXiv 论文(arXiv:2611.21958)中提出权重空间编程,让 GPT-6 Astra 与 Claude Fable 5.1/5.2 在自然语言规范下不经梯度下降直接读写 253 参数神经网络权重,用于自动拖拉机导航。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。