Pesquisadores do MIT dizem que GPT-6 Astra melhorou o Qwen ao editar 0,016% dos pesos
🎧 Ouça esta notícia
Pesquisadores do MIT CSAIL dizem ter usado o GPT-6 Astra para editar diretamente 0,016% dos pesos do Qwen3.5-0.8B, sem retreiná-lo, com o objetivo de corrigir determinados ciclos de raciocínio matemático. Segundo o Xataka, o desempenho do Qwen no MATH-500 subiu de 7,9% para 48,1%. O MIT chamou a abordagem de Weight-Space Programming, ou programação no espaço de pesos.
O método pode oferecer uma forma mais barata de melhorar modelos menores, mas o trabalho ainda é preliminar e não foi revisado por pares. Segundo o Xataka, a técnica teve ganho quase nulo no Gemma 3 270M, da Google, que sofria menos com esses ciclos — uma indicação de que ela depende de haver algo a remover. Os pesquisadores também apontam para a possibilidade futura de modelos aplicarem melhorias em si mesmos, embora isso ainda esteja distante.
Por que importa · interpretação editorial
O resultado sugere que editar uma fração mínima dos pesos pode ser uma alternativa ao retreinamento para corrigir falhas específicas em modelos menores, mas a evidência ainda é preliminar e não revisada por pares. O ganho limitado no Gemma indica que a utilidade depende do tipo de problema presente no modelo.
Fontes
Pesquisa