LLM 可直接读写神经网络权重:“权重空间编程”将 Autoresearch 剔除出 RSI 闭环
研究发现 LLM 可直接读写较小神经网络的权重,通过“权重空间编程”绕过传统写代码与跑集群的自动研究流程来实现自我改进。模型不仅能识别小型网络的功能,还可单次修复 bug、经 50 步迭代优化,甚至单次从头编写完整网络权重。该能力目前适用于简单游戏与强化学习策略,为递归自我改进提供了极高效率的新路径。
研究发现 LLM 可直接读写较小神经网络的权重,通过“权重空间编程”绕过传统写代码与跑集群的自动研究流程来实现自我改进。模型不仅能识别小型网络的功能,还可单次修复 bug、经 50 步迭代优化,甚至单次从头编写完整网络权重。该能力目前适用于简单游戏与强化学习策略,为递归自我改进提供了极高效率的新路径。
C-BRAIN 与 NVIDIA 合作,利用 AI 整合未充分利用的阿尔茨海默病研究数据,并介绍已构建的科研工具。其基础设施结合集中式与联邦式方法,让模型能在机构内部利用数据学习;OpenScientist 和 InsightEngine 两款开源工具分别支持研究分析与基于文献、数据和知识图谱的假设检验。