Новая методика позволяет одной нейросети "читать" и улучшать другую без переобучения
Исследователи из Массачусетского технологического института (MIT) разработали подход, позволяющий большой языковой модели (LLM) анализировать и модифицировать параметры (веса) другой LLM, значительно улучшая её производительность без традиционного процесса дообучения.
В основе методики лежит способность ведущей LLM, например GPT-6 Astra, интерпретировать структуру и предназначение другой нейронной сети, анализируя исключительно её веса. Это позволяет точно определить задачи, для которых была обучена целевая модель, а также выявить потенциальные области для оптимизации.
Хотя первоначальные заявления о "чтении и записи на языке весов моделей" звучали как прямой манипуляции внутренними механизмами, фактический механизм работы оказался более сложным. Суть метода заключается не в прямом редактировании "мозга" модели, а в использовании передовых аналитических возможностей LLM для косвенного улучшения целевой модели.


Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!