待验证50% 置信事实精确时间
在实验5中，Astra生成的网络面对训练5亿步的模型，在Breakout中得分高20倍，在Asterix中接近，在Sequest中达到60%的分数。
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
AI直接改写模型权重：MIT研究揭示黑盒新突破
youtubeMatthew Berman2026/11/4
涉及实体
相关事实
待验证在围棋实验中，Astra用336行代码逐层写出围棋程序，零次测试运行即以超过一半胜率击败两个较小训练网络；用50次测试运行自我对弈后，击败了在2000万局棋上训练的同等规模网络。75% 相似待验证Astra在无训练情况下仅修改某小型模型0.016%的权重，使其在Math 500基准上的得分从7.9%提升到48.1%。69% 相似待验证在数学任务上，随着训练答案越来越离谱，失准回答的比例从4%飙升到60%以上，而模型的通用能力几乎没有损失。66% 相似待验证在实验中，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%。65% 相似待验证在电脑操作类任务上Astra最强，Sol得分60.5%与Opus 5的60.3%接近，单任务成本约低八成65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1136674API
curl https://kongchang.com/api/v1/knowledge/claims/1136674MCP
get_claim(id=1136674)