ارتفاع الدرجات بشكل حاد لا يعني بالضرورة تحسن القدرات: مصائد الاقتطاع والتكرار في تقييم نماذج التفكير من خلال تعديل Astra لأوزان Qwen، مع قائمة تحقق من 5 بنود
ملاحظة الكاتب: ننطلق من مراجعة تجربة Astra لتعديل أوزان Qwen3.5-0.8B، لنوضح الفرق بين «الإجابة الخاطئة» و«الإجابة غير المكتملة» عند تقييم نماذج التفكير، وكيفية تقسيم النتائج بحسب حدوث اقتطاع للإجابة. في 2 نوفمبر، نشر أربعة باحثين من مختبر MIT CSAIL تدوينة بعنوان «شرارات البرمجة في فضاء الأوزان». وذكرت التدوينة أن GPT-6 Astra عدّل نحو 0.016% فقط…