- 目标模型：Qwen3.5-0.8B，架构包含 24 层，拥有 80 亿参数。
- 优化方式：通过直接编辑模型权重提升数学能力，全程不涉及梯度下降或传统训练流程。
- Astra 输入配置：使用 Python 内核处理权重（无需 GPU），结合练习数据集（GSM8K 中的 7,469 题与 MATH 中的 7,275 题，均非测试集），以及 10、25 或 50 次前向传递操作。其中，一次前向传递定义为模型回答最多 512 个问题或阅读最多 1,024 个文本片段。
评测基准：在 MATH-500、GSM8K 及其他六个基准测试中进行评估，开启思考模式，最大生成长度设为 32,768 tokens。Astra 未接触过上述任何评测数据集。
- 采样与评分设置：温度设为 0.6，top-p 为 0.95，top-k 为 20，存在惩罚系数为 1.5。鉴于 Qwen 官方模型卡指出该模型易陷入思考循环，各项得分均为多次采样的平均值：AMC23 取 16 个样本均值；MATH-500、Minerva Math、OlympiadBench 和 GPQA Diamond 各取 4 个样本均值；GSM8K 和 IFEval 各取 2 个样本均值；MMLU-Pro 基于固定抽取的 1,000 道题目取 1 个样本结果。
