本地 Qwen 3.8 27B 复现权重解读实验
热点事件持续更新
本地 Qwen 3.8 27B 复现权重解读实验
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 11 月 4 日，Simon Willison 发文称，他复现了论文中“仅凭原始权重浮点数判断神经网络训练的是哪款游戏”的实验，并分享结果：本地运行的 Qwen 3.8 27B 无需代码执行或工具即可作答。他使用 LM Studio 加载模型，因默认 8192 上下文报错而改用长上下文窗口，安装 llm-lmstudio 插件，并通过环境变量调高超时。在 Breakout 提示上，模型耗时 52 分 25 秒、消耗 43,506 个 reasoning tokens，以 88% 置信度答对；Pong 用时 1 小时 4 分 54 秒，但未能识别 Freeway。报道还提到，另一示例需安装 llm-openrouter 插件，并通过 OpenRouter 对 Kimi K3.1 Pro 运行 Breakout 提示，该条件仅适用于该示例。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 00:29
Qwen 3.8 27B 在笔记本上也能解读模型权重报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- Simon WillisonQwen 3.8 27B 在笔记本上也能解读模型权重
Simon Willison 实测发现，本地运行的 Qwen 3.8 27B 能仅凭原始权重浮点数判断神经网络训练的是哪款游戏，无需代码执行或工具。在 Breakout 提示上它耗时 52m 25s、消耗 43,506 reasoning tokens 后以 88% 置信度答对，Pong 用时 1h 4m 54s，但未能识别 Freeway。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 01:00
- 近 24 小时变化
- –
02.557.510
01:0002:0003:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。