**Tree-Ising：利用比特级伊辛模型修复大模型，无需梯度即可提升数学推理能力**

_Tree-Ising: Repairing Language Models with Bit-Level Ising Edits_

> Tree-Ising 提出了一种基于比特级伊辛模型（Ising）的权重空间编程方法，用于在不使用梯度的情况下修复大语言模型（LLM）的推理缺陷。该方法将修复过程转化为稀疏离散优化问题，通过比特翻转和指数移位来调整模型权重，从而消除推理循环并增强正确结论。实验表明，Tree-Ising 在 MATH-500 和 GSM8K 等数学基准测试中显著优于现有的基于智能体的修复方法，且所需的权重修改更少、计算成本更低，甚至能在量子处理器上运行。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.14210)