研究揭示代码模型 OpenCoder-1.5B 表征漂移：行为稳定但承载神经元不定
原文标题：Representational drift in a code model: behaviour settles, which neurons carry it does not
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在 OpenCoder-1.5B 预训练过程中测量 169 个 Python 语法构造的表征漂移，覆盖两万亿词元。研究发现部分构造的损失在训练前 4% 即触底，但模型对其承载神经元的依赖持续增长，且承载集合到最后一个检查点仍在变化。预先设定的「承载神经元会稳定」假设被证伪。
- 问题
- 预训练中行为稳定时，承载表征的神经元是否也稳定。
- 方法
- 在OpenCoder-1.5B上对169个Python语法构造跨两万亿词元追踪承载神经元集合，并做消融对比随机集合。
- 结果
- 16个构造的损失在前4%训练即触底，但移除承载神经元的代价从0.06升至0.40 nats；全部169个构造的承载集合到最后一个检查点仍在变化。
- 影响
- 说明模型能力不能靠固定神经元定位，剪枝、神经元级编辑等依赖「稳定承载单元」的做法需重新评估。
深读 · 结论先行AI 生成展开看要点与影响 ↓
OpenCoder-1.5B 两万亿词元训练中，语法构造的承载神经元始终未稳定
- •测量 169 个 Python 语法构造的表征漂移，覆盖两万亿词元、恒定学习率
- •其中 16 个语法固定下一 token 的构造，损失在训练前 4% 即触底，但对承载神经元的依赖持续增长
- •移除承载神经元比移除随机集合多损失 0.06、0.25、0.40 nats（40 亿、840 亿、2 万亿词元处）
- •全部 169 个构造的承载集合到最后一个检查点仍在变化；840 亿词元时测得的集合在末期移除已与随机集合无法区分
为什么重要：证伪了「承载神经元会稳定」的预设，依赖固定神经元做解释或干预的方法需重新评估其时间有效性。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。