# Qwen 3.8 بازی‌ها را از روی وزن‌های شبکه عصبی تشخیص داد

> Simon Willison دریافت که Qwen 3.8 27B روی لپ‌تاپش، بدون استفاده از ابزار، از روی وزن‌های شبکه سه بازی از چهار بازی را شناسایی کرد. پاسخ به هر پرسش نزدیک به یک ساعت یا بیشتر طول کشید.

Oossa · 2026-11-03 · https://oossa.com/fa/qwen-3-8-identifies-games-from-neural-network-weights

Simon Willison بررسی کرد که آیا Qwen 3.8 27B می‌تواند بدون اجرای کد یا استفاده از ابزارهای دیگر، با بررسی وزن‌های خام یک شبکه عصبی کوچک، بازی را شناسایی کند یا نه. او می‌گوید این مدل 17GB را روی لپ‌تاپش اجرا کرد و مدل توانست Pac-Man، Pong و Breakout را درست تشخیص دهد، اما Freeway را با بازی‌ای شبیه Pac-Man اشتباه گرفت.

پاسخ‌های درست هرکدام از 46 دقیقه تا بیش از یک ساعت طول کشیدند. آزمایش Willison توانایی تفسیر وزن‌ها را بررسی می‌کند؛ این آزمایش نشان نمی‌دهد که Qwen مدل دیگری را ویرایش یا بهبود می‌دهد؛ ادعایی جداگانه که در مقاله‌ای که او دنبال می‌کرد بررسی شده است.

## حقایق

- Qwen 3.8 27B در آزمایش‌های Willison از روی شبکه‌ها 3 بازی از 4 بازی را درست تشخیص داد.
- پاسخ مربوط به Pac-Man، 46 دقیقه و 12 ثانیه و پاسخ مربوط به Pong، 1 ساعت و 4 دقیقه و 54 ثانیه طول کشید.

## چرا مهم است

برای کسانی که مدل‌های بزرگ را به‌صورت محلی اجرا می‌کنند، این آزمایش نشان می‌دهد که شاید بتوانند از روی وزن‌های یک شبکه کوچک بفهمند آن شبکه چه کاری انجام می‌دهد؛ هرچند این فرایند کند بود و مدل در تشخیص یکی از چهار بازی ناکام ماند.

## منابع و ارجاع‌ها

1. [Qwen 3.8 27B on my laptop can interpret model weights, too](https://simonwillison.net/2026/Nov/3/qwen-can-interpret-model-weights/) – Simon Willison, 2026-11-03

آخرین به‌روزرسانی: 2026-11-03