一個 LLM 開啟了另一個 LLM 的權重,找到了導致其推理迴圈的錯誤,並手動修復了它。 它僅修改了 0.016% 的權重。MATH-500 的表現從 7.9% 提升至 48.1%。 無需梯度,無需訓練,僅靠編輯即可。