arXiv cs.AI· Dara Varam, Taraneh Aminosharieh Najafi, David Atienza·· 10 小时前AI 评分42
权重空间编程可用于 EEG 与 ECG 模型：Claude Opus 5.5 仅凭推理写出网络权重
Mixed Signals: Weight-Space Programming for EEG and ECG
AI 导读
一项 arXiv 研究将权重空间编程应用于 EEG 和 ECG 生物信号模型，前沿语言模型能在不被告知故障位置的情况下调试植入的特定缺陷，甚至仅凭架构、任务和少量受试者数据从零写出全部网络权重。
正文 · AI 翻译
摘要：权重空间编程允许语言模型读取已训练神经网络的权重并对其进行编辑。这为通过推理而非梯度下降来“训练”模型打开了大门。此前的工作已经展示了其在游戏网络以及修复语言模型特定故障方面的功能和前景，甚至扩展到了扩散模型。在本工作中，我们展示了其对于在生物信号数据（具体为 EEG 和 ECG 数据）上训练的模型的适用性。我们表明，前沿模型不仅能够在未被告知具体故障的情况下调试植入生物信号模型中的特定故障，甚至能够仅凭架构、任务和少量训练受试者，从零开始写出网络的全部权重。特别地，在一组实验中，一个语言模型仅通过推理、且不进行任何梯度下降步骤，就能在使用少 $6\times$ 训练受试者的情况下达到标准梯度下降训练的效果。由 Claude Opus 5.5 编写的网络在使用相同的 5 名受试者构建时，其得分也高于经典的手工设计 EEG 流程（alpha 频段功率，以及结合线性判别分析的共空间模式）。我们还强调了一些局限性，包括语言模型无法改进已经训练良好的分类模型，以及它们无法仅凭权重可靠地识别网络所训练的任务。总体而言，我们的结果表明，权重空间编程对于小型网络（例如部署在边缘设备和可穿戴设备上的网络）可能有用，但这一概念在投入实际使用之前仍需进一步研究。
| 评论： | 9 页，7 幅图，5 张表。项目网站：此 https URL |
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI)；信号处理 (eess.SP) |
| 引用为： | arXiv:2611.13758 [cs.LG] |
| （或 arXiv:2611.13758v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13758 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Dara Varam [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 08:59:09 UTC（845 KB）
来源：arXiv cs.AI · arxiv.org