待验证50% 置信事实精确时间
“Astra 修正 Qwen 数学能力”的实验通过 Python 和评估循环找到一个引导向量，只改变极小比例权重，使数学基准分数从个位数百分点跃升至接近一半。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/4
首次发现
有效期至：2027/2/2
来源
Qwen 3.8 27B 真能读懂神经网络权重？16GB 实测揭秘
youtubeOpaya2026/11/4
涉及实体
相关事实
待验证在实验中，Astra修改Qwen小模型的权重，将MATH500成绩从7.9%提升到48.1%，同时碰到试跑次数上限的回答占比从93%降到33%。75% 相似待验证在数学修复实验中，一个小型开源模型在Math 500测试上仅得7.9%，Astra通过定位并减掉两层内部的一个方向（约13万权重，改动比例0.016%），将分数提升至48.1%，指令遵循能力也提升约两倍。74% 相似待验证50 次练习运行后，Qwen 触顶答案从 93% 降到 33%，数学分数从 7.9 升到 48.1，小学应用题从 14 升到 67，指令遵循测试从 21 升到 62；只给 10 次或 25 次练习运行时，循环几乎没消退，数学分数也仍然很低。68% 相似待验证Karen Zou指出，被修复的小型模型其实是在93%的题目上陷入重复输出，Astra做的是找到循环并切断它，而非真正提升数学能力。67% 相似待验证蒙特卡洛方法的收敛速度为O(1/√N)，精度每提高一个数量级需要样本量增加百倍63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1135733API
curl https://kongchang.com/api/v1/knowledge/claims/1135733MCP
get_claim(id=1135733)