Martes 3 de noviembre de 2026 ·
Un LLM edita los pesos de una red neuronal sin reentrenarla, y una réplica independiente confirma el resultado en fórmulas de beneficios sociales
Útil para
Un paper de Rikiya Tomita y colaboradores describe Weight-Space Programming, técnica con la que un LLM lee y escribe directamente los pesos de una red neuronal, sin descenso de gradiente. En Qwen3.5-0.8B, la edición de un 0,016% de los parámetros elevó la puntuación en MATH-500 del 7,9% al 48,1%. Un repositorio independiente reprodujo la técnica en fórmulas de SNAP, EITC, SSI y Medicaid, con error máximo del orden de 10⁻¹³ dólares, por un coste de API de 2,21 dólares. La comunidad señala que parte de los experimentos podría explicarse por interpretabilidad clásica y que el baseline de MATH-500 es discutible.
Qué significa
Si el hallazgo se sostiene, corregir o auditar comportamientos de modelos pequeños podría costar menos que reentrenarlos, porque bastaría editar unos pocos parámetros. Por ahora la técnica se limita a juegos sencillos, políticas de aprendizaje por refuerzo y casos concretos, no a tareas generales.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- El Ecosistema StartupLeer la noticia completa en El Ecosistema Startup
También ese día
Todas las noticias de IA del martes 3 de noviembre de 2026 ->