Hacker News | 📄 原文链接 | 2026-11-04 收录

「Astra 直接读写权重改造 Qwen」这个说法是误导

来源：honnibal.dev — 2026-11-02

📋 概述

Explosion 的 Matthew Honnibal 拆解了那篇被广泛转发的帖子：里面其实是八组实验，用了几套完全不同的技术。真正「只看原始浮点权重、不跑网络、不用工具」的只有实验 1、2、4，对象是 1.7 万到 17 万参数的小网络；凡是涉及真实语言模型的实验都写 Python 程序、并且真的把模型跑起来——那个被当标题的 Qwen 结果，Astra 可以拿最多 50 批练习题做练习，准确率从 7.9% 提到 48.1%。作者的核心批评不是「AI 不行」，而是「把读权重、写权重、写程序改权重混在一篇里，会让人以为存在一种统一能力」。

🔑 核心要点

实验 1、2 是纯读权重（4/4、3/3 正确），对象只有 17K 和 24K 参数；实验 4 读写权重但只给了一段失败回放。
所有涉及真实模型的实验都写 Python 并运行网络，Qwen 那条还允许 50 批练习题，改动了 3.5% 的权重。
写小型游戏网络那组权重从零开始，没有可读的东西，因此也不属于「读权重」能力。
作者主张拆开报告：单一技术同时做到「从零写出权重」和「改进大模型」才叫深层能力，这里显然不是同一种技术。

💡 金句

There’s experiments that look at raw weights, and experiments that improve a game-playing network, and an experiment that improves Qwen at maths. But those latter two aren’t just working with raw weights, they write Python programs.

← 返回 Hacker News 首页