跳到正文
arXiv · AI· Eduardo C. Garrido-Merch\'an·· 11 天前AI 评分20

LLM 在零样本权重空间编程中跨难度梯度的双人对局表现分析

Zero-Shot Weight-Space Programming Across a Difficulty-Graded Ladder of Two-Player Games

AI 导读

该研究评估 LLM 零样本进行权重空间编程的能力,构建了涵盖 Nim 到国际象棋残局的四级难度梯度,独立验证了 10 个神经网络。 其中 6 个网络具备完整的非统计正确性证明;国际象棋残局层级中,单步战术成功率达 84.1-100%,但在完整对抗中降至 0.57-9.13%。 研究指出性能骤降源于架构天花板而非工程不足,并开源了所有网络、独立验证工具及冷启动提示协议以支持跨模型比较。

来源:arXiv · AI · arxiv.org