Takehito Hayakawa

对 Qwen3.5-0.8B 的权重编辑在复制尝试中显示边际收益

对 Qwen3.5-0.8B 模型进行权重编辑的复制尝试表明，MATH-500 和 GSM8K 分数的报告改进可能受到评估方法的影响。作者发现，在使用有限的 token 预算和严格的评分标准时，未编辑模型在 GSM8K 上的性能明显低于报告值。虽然权重编辑在 GSM8K 的完成度和正确性方面显示出一些改进，但在多次比较校正后，统计学上的显著性是边际的，这表明需要进一步验证。