SPARK 2.6: Reasoning-Loop per Einzelgewicht-Chirurgie um 93% reduziert
ToolsHugging Face
CompaniesHugging Face
Warum es zählt
Die Methode zeigt, dass semantische Reasoning-Loops in kleinen LLMs durch minimale, kausal gezielte Gewichtsedits (statt Training) behebbar sind. Für Agent-Builder relevant: Das 1.7B-Modell verbessert zusätzlich seine GSM8K-Mathe-Performance von 0.200 auf 0.433.
— Lumeric Redaktion
Loop Rate (controlled branch-point benchmark, 12 seeds/prompt) · Spitzenwert
75%
SPARK 2.6 4B (vorher)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
SPARK 2.6: Reasoning-Loop per Einzelgewicht-Chirurgie um 93% reduziert
ToolsHugging Face
CompaniesHugging Face
Warum es zählt
Die Methode zeigt, dass semantische Reasoning-Loops in kleinen LLMs durch minimale, kausal gezielte Gewichtsedits (statt Training) behebbar sind. Für Agent-Builder relevant: Das 1.7B-Modell verbessert zusätzlich seine GSM8K-Mathe-Performance von 0.200 auf 0.433.
— Lumeric Redaktion
Loop Rate (controlled branch-point benchmark, 12 seeds/prompt) · Spitzenwert
75%
SPARK 2.6 4B (vorher)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.