WSP将游戏规则编译进小网络权重

Jens Lehmann 团队在 arXiv 发表论文，报告权重空间编程（WSP）实验：让语言模型在不训练的情况下直接构造神经网络权重，把 20 个私有的、未公开的 ARC-AGI-3 风格游戏规则编译进固定 57k 参数的循环网络。写手只能拿到删去预留关卡数据的模拟器源码，最强的写手带反馈时在预留关卡上达到 56% 成功率。 作为对照，在同等预算下从零训练该写手的最强架构，成功率仅约 1%。论文称这表明已知游戏机制可被直接写入小网络的权重，并在同一游戏家族内泛化到未见关卡、渲染和起始状态。

AI 根据报道生成 · 24 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。