Simon Willison 实测 Qwen 3.8 27B 直接从模型权重识别游戏

Simon Willison 使用本地运行的 Qwen 3.8 27B 复现论文中的无工具实验，让模型仅根据强化学习策略网络的原始权重判断其训练游戏。Qwen 在 Pac-Man、Pong 和 Breakout 上分别以 72%、75% 和 88% 的置信度给出正确识别，但未能识别 Freeway；完成这些任务分别耗时 46m 12s、1h 4m 54s 和 52m 25s。