基准分数 | Toby’s Blog

0.016% 的权重，让分数和能力分了家

一次 0.016% 的权重编辑，把 8 亿参数模型的 MATH-500 从 7.9% 拉到 48.1%。两份独立复现却说：不编辑、只关掉思考模式就有 46.0%，而同一个模型去当智能体，分数反而掉了 11 到 14 分。