Egy újfajta megközelítés, a weight-space programming kerül bemutatásra, ahol nem a hagyományos, hosszadalmas tréninggel javítanak egy mesterségesintelligencia-modellt, hanem közvetlenül a súlyértékeket módosítják. Ez a módszer teljesen eltér attól, amit általában az AI-fejlesztésben alkalmaznak.
Felmerül az a kérdés, vajon mennyire működhet egy ilyen manuális beavatkozás: lehet-e egy apró, könnyen átlátható szerkesztés révén megszüntetni elhúzódó hibákat, például azt, hogy egy modell gondolkodási ciklusba ragad, és nem ad választ?
A szerző saját gépén teszteli két, nyilvánosan elérhető AI-modell működését: az eredetit és a Hugging Face által újraalkotott, szerkesztett változatot. Részletesen bemutatja, hogyan telepíti és indítja el a modelleket a vllm segítségével, majd ugyanazokon a matematikai teszteken méri össze teljesítményüket, különös figyelemmel arra a problémára, hogy egy apró változtatás ténylegesen meg tud-e szüntetni egy logikai hibát.
A matematikai példák és benchmark feladatok során azt vizsgálja, hogy ténylegesen megoldódik-e az eredeti, végtelen gondolkodáshoz vezető hurok – vagyis, hogy az új modell most már képes-e korrekten és gyorsan válaszokat adni anélkül, hogy kifutna az idő- vagy helyigényből. A bemutatott folyamat egyedülálló példát ad arra, miként lehet célzottan, kézi szerkesztéssel finomhangolni mesterségesintelligencia-modelleket.
