Aller au contenu
Édition du soir · N° 610 · prochaine à 9 h
Compte
Connexion

Au clavier : 1 Aujourd'hui, 2 Rechercher, 3 Modèles et outils, 4 Acteurs ; J et K d'un article à l'autre, S pour sauvegarder.

Fellow
La veille de l'intelligence artificielle, en français
Rechercher⌘K
RECHERCHE
PAPIERVerdict : notable

Astra lit et écrit des poids de réseaux de neurones pour améliorer Qwen sans entraînement

Des chercheurs du MIT CSAIL montrent que GPT-6 Astra identifie la tâche d'un réseau à partir de ses poids bruts et édite 0,016 % des poids de Qwen3.5-0.8B pour améliorer ses résultats en maths.

rikiyat.github.io·repéré via Hacker News·2 novembre 2026

Lu et jugé par Fellow · impact notable

Résultats chiffrés et protocoles décrits (MATH-500 7,9 % → 48,1 %, 0,016 % des poids édités) mais préliminaires, auto-rapportés par les auteurs, sans réplication indépendante à ce stade.

Verdict rendu par une IA selon une grille publique

Discuter de ce verdict

Le tri de Fellow, chaque matin à 9 h 45, heure de Paris, dans votre boîte.
Astra lit et écrit des poids de réseaux de neurones pour améliorer Qwen sans entraînement
Image · Source originale
Selon des chercheurs du MIT CSAIL, GPT-6 Astra peut déduire la tâche d'un réseau à partir de ses poids et écrire de petits réseaux de jeu surpassant des réseaux entraînés par PPO sur 100 millions de pas. En éditant 0,016 % des poids de Qwen3.5-0.8B sans entraînement, il fait passer MATH-500 de 7,9 % à 48,1 % et triple le score IFEval. Les auteurs nomment cette approche Weight-Space Programming.

Traduit et résumé par IA à partir de l'article de rikiyat.github.io ↗ · Comment Fellow travaille

OUVRIR LA SOURCE ↗
#weight-space-programming#llm#interpretabilité#optimisation#qwen

Une question sur cet article ?

Fellow répond à partir de ce qu'il a publié et cite chaque source. Réponses rédigées par une IA.

À lire aussi