MIT研究显示,OpenAI 的 Astra 无需训练即可改写 AI 模型

关键要点

  • MIT 研究人员证实,OpenAI 的 GPT-6 Astra 仅通过修改 0.016% 的权重,就提升了阿里巴巴 Qwen 模型的性能,使数学准确率从 7.9% 提高到 48.1%。
  • 根据 OpenAI 的内部测量,GPT-6 Astra 在 LifeVal 日常任务基准测试中的平均得分达到 80.6%,并在 16 项任务中的 10 项上取得满分。
  • OpenAI 在阿布扎比与 ADNOC、阿联酋政府、Mubadala 和 Inception42 签署了四项协议,将在油田规划、政府服务和商业应用中部署 AI 模型。

MIT研究人员发表研究,表明 OpenAI 的 GPT-6 Astra 无需让 AI 模型接受额外训练,就能通过直接改写其内部权重来提升模型表现。研究显示,Astra 仅修改了阿里巴巴 Qwen 模型 0.016% 的权重,就将其数学准确率从 7.9% 提高到 48.1%。这一能力代表着向自主 AI 系统迈出了一步,这类系统未来或许能够自我升级;与此同时,各大 AI 实验室正竞相开发能够自我改进的 AI 研究员。

MIT研究人员发表权重空间编程研究

MIT研究人员发表的一项研究表明,OpenAI 的 GPT-6 Astra 无需让部分 AI 模型接受更多训练,就能通过直接改写模型的权重来提升表现——这些数字决定了模型的行为方式。权重通常通过训练来设定,因为即使是小型 AI 模型,其权重数量也远超人工读取或调整的能力范围。

阿里巴巴的小型 Qwen 模型数学得分为 7.9%,直到 Astra 仅修改了其中 0.016% 的权重,减少了模型反复重复的毛病;修复后,得分达到 48.1%。同样的方法对 Google 较小的 Gemma 3 几乎没有帮助,因为它不像 Qwen 那样存在某个明显缺陷,因此数学得分几乎没有变化。

在规模较小的测试中,研究人员还测试了 Astra 能否仅凭其已学习的权重说出它学过的游戏名称,并从零开始编写一个简单的 Breakout 游戏程序,而无需额外训练。作者表示,这项能力未来或许能让 AI 自我升级、根据请求为其他模型添加或移除技能,或检查其他模型是否存在隐藏问题。

OpenAI推出日常任务基准测试 LifeVal

OpenAI 推出了 LifeVal,这是一项新的测试,用于评估 AI 处理日常事务的能力,例如预约、购买杂货和填写政府表格。测试任务的选取依据是人们表示希望获得帮助的事项。入选的任务领域来自一项针对 4000 人的民意调查,调查内容是人们希望在哪些方面获得帮助;此外也参考了全球时间利用调查,了解哪些日常事务最耗时。

过去一年里,LifeVal 一直是 OpenAI 的内部评估指标;在此期间,该公司训练模型浏览网页、操作电脑并使用互联应用。OpenAI 模型的平均得分从 49.3%(GPT-5.2)提升至 80.6%(GPT-6 Astra),但其中仅有 0.6 分的提升发生在 7 月推出 GPT-5.6 之后。

Astra 的“最佳记录”成绩在 OpenAI 列出的 16 项任务中,有 10 项达到 100%,例如补办丢失的订婚戒指;LSAT 辅导得分最低,为 88.7%。

OpenAI在阿布扎比签署四项协议

OpenAI 在阿布扎比敲定四项协议,将其 AI 技术引入国有石油巨头 ADNOC、阿联酋政府以及国有投资机构 Mubadala;据报道,一家阿联酋集团将成为这家 AI 巨头一轮最高达 200 亿美元融资的最大投资者。

ADNOC 的协议是四项协议中规模最大的一项,旨在通过 OpenAI 的模型分析数十年来的油井数据,将油田规划时间从数月缩短至数小时。“机器可读政府”项目首先聚焦食品进口,将阿布扎比的部分法规转化为 AI 可读取的文本,以帮助简化许可证办理流程。

阿布扎比已经制定了一项 35 亿美元计划,旨在将 AI 应用于所有公共服务;此外,OpenAI 与微软的另一项计划旨在培训 2 万名员工及公众。OpenAI 的模型将帮助 Mubadala 评估风险并发现新的投资机会;与此同时,该公司还与 AI 公司 G42 旗下的 Inception42 签署了一项为期五年的协议,目标群体为阿联酋企业和学校。

常见问题

MIT研究人员展示了 OpenAI 的 Astra 有什么能力? MIT研究人员发表的一项研究表明,OpenAI 的 GPT-6 Astra 无需让 AI 模型接受额外训练,就能通过直接改写其内部权重来提升模型表现。研究显示,Astra 仅修改了阿里巴巴 Qwen 模型 0.016% 的权重,就将其数学准确率从 7.9% 提高到 48.1%。

OpenAI 的 LifeVal 基准测试是什么? OpenAI 推出了 LifeVal,这是一项新的测试,用于评估 AI 处理日常事务的能力,例如预约、购买杂货和填写政府表格。入选的任务领域来自一项针对 4000 人的民意调查,调查内容是人们希望在哪些方面获得帮助;此外也参考了全球时间利用调查,了解哪些日常事务最耗时。在这一基准测试中,OpenAI 模型的平均得分从 49.3%(GPT-5.2)提升至 80.6%(GPT-6 Astra)。

OpenAI在阿布扎比签署了哪些协议? OpenAI 在阿布扎比敲定四项协议,将其 AI 技术引入国有石油巨头 ADNOC、阿联酋政府以及国有投资机构 Mubadala。ADNOC 的协议旨在通过 OpenAI 的模型分析数十年来的油井数据,将油田规划时间从数月缩短至数小时;“机器可读政府”项目则将把阿布扎比的部分法规转化为 AI 可读取的文本,以帮助简化许可证办理流程。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论