GPT-6 Astra 幫Qwen「開腦」？修改0.016% 權重後，數學能力跳6 倍
觀看數觀測
共同標籤
已比對共同詞彙 · 16 個標籤 · 比對時間 2026/11/05 下午02:47
比對依據（24 處）
- 神經影片說明一個神經網路，就是一面沒有人看得懂的數字牆。如果…
- 網路影片說明一個神經網路，就是一面沒有人看得懂的數字牆。如果把這…
- 數字影片說明一個神經網路，就是一面沒有人看得懂的數字牆。如果把這些數字直接貼給另一個 AI，…
- 數字影片說明…就是一面沒有人看得懂的數字牆。如果把這些數字直接貼給另一個 AI，它看得懂嗎？ M…
- AI影片說明…的數字牆。如果把這些數字直接貼給另一個 AI，它看得懂嗎？ MIT 的研究者拿 G…
- 研究影片說明…另一個 AI，它看得懂嗎？ MIT 的研究者拿 GPT-6 Astra 做了實驗。…
- 網路影片說明…PT-6 Astra 做了實驗。它能看出網路是訓練來玩什麼遊戲的，能一次修好卡在斜坡…
- 遊戲影片說明…a 做了實驗。它能看出網路是訓練來玩什麼遊戲的，能一次修好卡在斜坡上的小車，還能從全…
- 網路影片說明…，還能從全零直接寫出會打磚塊、會下圍棋的網路。最驚人的是，它只改了 Qwen3.5-…
- 模型影片說明… 但它也有做不到的事：只看權重分不出哪個模型愛拍馬屁，也加不進模型本來沒有的能力。那…
- 模型影片說明…只看權重分不出哪個模型愛拍馬屁，也加不進模型本來沒有的能力。那個 48.1% 其實是…
- 能力影片說明…哪個模型愛拍馬屁，也加不進模型本來沒有的能力。那個 48.1% 其實是拆掉「鬼打牆」…
- 障礙影片說明…個 48.1% 其實是拆掉「鬼打牆」這個障礙，模型並沒有真的變聰明。這還是非常早期的…
- 模型影片說明…8.1% 其實是拆掉「鬼打牆」這個障礙，模型並沒有真的變聰明。這還是非常早期的結果，…
- 影片影片說明…有真的變聰明。這還是非常早期的結果，這支影片把做到的和做不到的都攤開來看。 ⏱ 章…
- 社群影片說明…打牆 7:46 它做不到的事 8:49 社群反應與我的看法 9:47 總結 🔗 來…
- 紀錄影片說明…ce-programming/ 完整實驗紀錄：https://github.com/…
- News影片說明…erstand-logs Hacker News 討論串：https://news.yc…
- 討論影片說明…nd-logs Hacker News 討論串：https://news.ycomb…
- 影片影片說明…m?id=50341174 📝 說明 影片中的小車、棋盤與鬼打牆文字是示意畫面，實…
- 畫面影片說明…明 影片中的小車、棋盤與鬼打牆文字是示意畫面，實驗數字都來自原文。本片沒有重現實驗。…
- 數字影片說明…的小車、棋盤與鬼打牆文字是示意畫面，實驗數字都來自原文。本片沒有重現實驗。 #AI…
- 重現影片說明…是示意畫面，實驗數字都來自原文。本片沒有重現實驗。 #AI #神經網路 #GPT6…
- 能力影片標題…「開腦」？修改0.016% 權重後，數學能力跳6 倍
比對版本
youtube-quality-20261017-a
影片說明
一個神經網路，就是一面沒有人看得懂的數字牆。如果把這些數字直接貼給另一個 AI，它看得懂嗎？ MIT 的研究者拿 GPT-6 Astra 做了實驗。它能看出網路是訓練來玩什麼遊戲的，能一次修好卡在斜坡上的小車，還能從全零直接寫出會打磚塊、會下圍棋的網路。最驚人的是，它只改了 Qwen3.5-0.8B 百分之 0.016 的權重，MATH-500 數學測驗就從 7.9% 跳到 48.1%。 但它也有做不到的事：只看權重分不出哪個模型愛拍馬屁，也加不進模型本來沒有的能力。那個 48.1% 其實是拆掉「鬼打牆」這個障礙，模型並沒有真的變聰明。這還是非常早期的結果，這支影片把做到的和做不到的都攤開來看。 ⏱ 章節 0:00 那面牆 0:34 這篇文章 0:56 權重是什麼 2:22 第一關：讀 4:22 第二關：修 5:03 第三關：寫 6:39 大考：鬼打牆 7:46 它做不到的事 8:49 社群反應與我的看法 9:47 總結 🔗 來源 原文〈Sparks of Weight-Space Programming〉：https://rikiyat.github.io/blog/weight-space-programming/ 完整實驗紀錄：https://github.com/RikiyaT/lm_understand-logs Hacker News 討論串：https://news.ycombinator.com/item?id=50341174 📝 說明 影片中的小車、棋盤與鬼打牆文字是示意畫面，實驗數字都來自原文。本片沒有重現實驗。 #AI #神經網路 #GPT6 #機器學習 #權重空間程式設計
本頁的資料來源與計算方式
影片的數字
- 公開統計
- 觀看、喜歡與留言總數是取得當時的 YouTube 公開統計，不是即時數值；各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間，不代表觀看、喜歡或留言都在那時重新觀測。
- 觀看歷史
- 圖上每個點是實際儲存的觀測，連線只為方便閱讀，不代表中間時間的測量值；沒有歷史觀測時不建立時間序列。
- 喜歡占互動
- 喜歡 ÷（喜歡＋不喜歡＋顯示留言），任一來源缺值時不估算。
- 字幕
- 只記錄來源是否提供字幕，尚未擷取逐字稿，因此字幕不列入標籤比對。
- 觀測分析
- 直播逐時／逐日最高同時在線取自所讀直播紀錄；讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。
共同標籤
標籤來源：新文易數（tag.observe.tw）。共同標籤以文字比對影片標題與說明，不是 AI 判讀；命中不代表事件歸屬或立場，與頻道分類分開。標題或說明出現標籤，不代表影片主題；可能來自固定宣傳或版權文字。字幕尚未取得，不列入比對。
- 比對範圍
- 僅列出目前詞彙版本與影片標題、說明仍相符的比對結果；待比對或來源文字已變動的影片不列入，數量見「收錄與比對範圍」。
- 期間
- 「往前 N 日」包含今天與前 N 天，共 N+1 個台北日曆日（往前 7 日為 8 個日曆日）；指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
- 命中片段
- 每支影片最多顯示 3 段，標示來自標題、說明或字幕；沒有片段時顯示「沒有命中片段」，來源文字缺漏時顯示「來源文字未提供」，不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
- 顯示排除
- 符合標籤顯示規則的詞（上游排除詞、雜訊、純數字或日期、長度不符，以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語）整詞不列入排行，但仍保留在原始詞彙池與比對證據中；原始詞彙池列出排除原因。雙字通用詞只依核定清單判定，包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤，同樣只影響排行顯示，每次排除與恢復都留有紀錄。
- 說明欄樣板
- 同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過，出現在一般新聞內容時照常計入；這不同於整詞的顯示排除。
- 示例
- 列表與片段只是符合條件的影片例子，不能用來推算整體比例或全站失真程度；有效比對的影片比例只代表比對完成度。
- 觀看
- 累計觀看是取得當時的公開觀測值，不是期間增量；無觀看值的影片不當作 0。
本頁資料範圍
觀看數與互動數為取得當時的公開觀測值。
時間序列只有一筆有效觀測時，只列出該值與觀測時間，不畫走勢圖；累積兩筆以上才畫圖。
資料來源
本站以納入名單的 YouTube 頻道與影片為範圍（名單見頻道觀測），數據來自 YouTube 公開資料與定時觀測：直播約每分鐘輪詢一次，頻道統計、新影片與影片統計則分批輪流更新，所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube；缺漏、尚未收錄或資料服務中斷都不等於零，尚未取得的數值顯示「—」。
頁面使用台北時間（UTC+8）。「更新於」是來源已記錄的觀測時間；來源沒有記錄時顯示「未記錄」，不以開啟網頁的時間代替。
共同標籤詞彙的標籤來源：新文易數（tag.observe.tw），保留來源、版本與比對依據；本站的頻道分類沿用有影儀表板的來源組織方式，與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算，不代表 YouTube 全站流量，也不表示因果關係。