dspy-wsp 發布原型優化器，可透過 LLM 編輯模型權重

dspy-wsp 發布了一款名為 dspy-wsp 的 DSPy 優化器原型，讓 GPT-6-Astra 這類寫作 LLM 能在無需梯度或訓練的情況下編輯另一個模型的權重。該專案表示，在五個參數量從 0.6B 到 9B 的開放決策模型上，以 Typed Decisions 基準測試，WeightSpace 單獨在 400 個留出案例上提升了 1.9 到 16.1 個百分點的正確率，與 ReAnchor 優化器結合使用時則提升 6.5 到 20.0 個百分點。 該工具需要 DSPy 3.5，作者稱其為非常實驗性的工具。每次執行在最高推理強度下使用 25 次前向傳遞，花費約 5 到 10 美元；編輯後的模型透過 Apple 晶片上的 MLX 或 NVIDIA GPU 上的 PyTorch 在本機執行。作者提醒，在文字生成 LLM 上執行編輯耗時且成本高昂，可能不會產生令人信服的結果。在 d1-omni-600M 上進行權重空間優化，可在 Mac 或至少 4 GB 記憶體的 GPU 上執行。

AI 依報導生成 · 2 小時前更新

還沒有足夠的連續觀測資料，暫不繪製趨勢。