dspy-wsp 发布原型优化器，可通过 LLM 编辑模型权重

dspy-wsp 发布了一款名为 dspy-wsp 的 DSPy 优化器原型，它让 GPT-6-Astra 等 writer LLM 无需梯度或训练即可编辑另一个模型的权重。该项目称，在五个参数量从 0.6B 到 9B 的开放决策模型上，使用 Typed Decisions 基准测试，仅 WeightSpace 就在 400 个留出案例上提升了 1.9 到 16.1 个百分点的准确率，与 ReAnchor 优化器结合使用时提升了 6.5 到 20.0 个百分点。 该工具需要 DSPy 3.5，作者称其非常实验性。每次运行在最大推理强度下使用 25 次前向传递，成本约为 5-10 美元；编辑后的模型通过 Apple 芯片上的 MLX 或 NVIDIA GPU 上的 PyTorch 在本地运行。作者提醒，在文本生成 LLM 上运行编辑过程漫长且昂贵，可能不会产生令人信服的结果。在 d1-omni-600M 上的权重空间优化可在 Mac 或至少 4 GB 内存的 GPU 上运行。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。