AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 认知·观点访谈·2026-11-03·US

笔记本上的 Qwen 只看权重,猜出了三个游戏

Simon Willison 让本地 17GB 的 Qwen 3.8 27B 只读神经网络权重来判断游戏,四个猜对三个,每个耗时 46 分钟到 1 小时多。

谁说的
开发者 Simon Willison,在博客上复现一篇热门论文的实验,2026-11-03。
核心观点
他认为这篇论文把两件事混在了一起:模型不借助工具读懂权重,以及模型写代码改进别的模型。前者更有意思,但外界的引申言过其实。
依据
他用 LM Studio 在本地运行 Qwen 3.8 27B,它猜对了 Pac-Man、Pong、Breakout,没猜出更冷门的 Freeway;Kimi K3.1 Pro 用 9 分 41 秒猜对了 Breakout。
对你的意义
看到「AI 已经能 X」这类热门论文,可以学他:拿论文公开的提示词,自己找一个模型跑一次。
争议·条件
他认为一个有经验的人拿纸笔,花足够功夫也能做到;Matthew Honnibal 批评这篇论文有误导性,Sean Goedecke 则指出改进小模型的步骤和人类研究员一样。

一篇论文称 GPT-6 Astra 能直接读写模型权重,Simon Willison 拿论文仓库里的提示词做了复现:把四个网格小游戏策略网络的浮点权重喂给模型,要求它不用任何工具,判断网络是为哪个游戏训练的。

他用自己写的 llm 工具配合 LM Studio,在笔记本上运行 Qwen 3.8 27B。默认的 8192 上下文会报错,超时也要调到 900 秒。Pac-Man 用了 46 分钟、4.3 万个推理 token,Pong 用了 1 小时 4 分钟,Breakout 用了 52 分钟,置信度分别是 72%、75%、88%。推理过程几乎看不懂。

他的态度值得照着做:承认能力确实存在,但不跟着下大结论。他说自己还没准备好宣布源代码时代结束。读者判断这类新闻时,看一个可以本地复现的例子,比看转发评论更有用。