LLMのWeight-Space Programming評価、新ベンチマーク「WeightBench」発表
arXiv cs.LGは2026年11月13日(現地時間)、大規模言語モデル(LLM)が他のニューラルネットワークのパラメータを直接操作する能力、通称「Weight-Space Programming (WSP)」を評価するための新たなベンチマーク「WeightBench」を発表した。このベンチマークは、42のWSPタスクを通じてLLMの能力を測定。フロンティアエージェントが小規模なネットワークの読み取りや制御ポリシーの記述には成功したものの、言語モデルのパッチ適用やデータなしでの圧縮、不可能な編集の区別には依然として課題が残ることを指摘している。