有个研究挺颠覆：不训练、不算梯度，直接改另一个模型0.016%的权重，把数学测试的正确率从个位数拉到接近一半。有人立刻说递归自我改进来了。我觉得先别急。单点任务提分和泛化能力是两件事，0.016%这个数字很漂亮，但它也可能只是找到了某个测试分布上的捷径。真正值得关注的是方法能不能复现，而不是标题有多大。 #AI