跳到正文
arXiv · ML· Aayush Marasini, Barsat Khadka, Nick Rahimi·· 4 天前AI 评分44

WeightBench: 评估大语言模型作为权重空间程序员

WeightBench: Evaluating Language Models as Weight-Space Programmers

AI 导读

论文推出 WeightBench 基准,在 5 个赛道 42 个任务上评估 LLM 读写与修改神经网络权重的能力。 测试网络参数量从 2K 到 7B,涵盖读取、修复、生成及无数据压缩。 前沿智能体可生成可用控制策略,但尚无法修复语言模型或识别不可能任务。

来源:arXiv · ML · arxiv.org