语言模型可定位并修复小型网络的部分权重缺陷，但尚不能认证网络正确。
资讯摘要
一篇论文研究用前沿语言模型直接读写小型神经网络权重，以审计放疗计划筛选网络。作者训练433至4801个参数的网络，并通过训练数据植入混淆因素、3 Gy 阈值偏移和隐藏触发器等缺陷。Claude Opus 5.5 在无工具、无数据、无代码执行条件下盲审，在18个缺陷网络中的16个指出错误规则，并通过中位数3个参数完成修复；但仅识别出3个触发器中的1个，且无法证明网络正确。
要点速读
- 论文测试433至4801参数网络，植入混淆因素、3 Gy 阈值偏移和隐藏触发器三类缺陷。
- Claude Opus 5.5 盲审18个缺陷网络，16个指出错误规则，修复时中位数改动3个参数。
- 协议标注数据微调也能修复全部网络，但几乎改动所有参数；黑盒测试更快发现混淆因素和阈值偏移。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。