MIT 提出「权重空间编程」：GPT-6 Astra 改权重提升小模型数学成绩

MIT CSAIL 研究人员提出「权重空间编程」，让 OpenAI 的 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重，仅调整约 0.016% 的参数（131072 个权重），使该模型数学成绩提升至原来的 6 倍。研究由 Takehi 于 11 月 2 日在博客发布，核心思路是让大语言模型直接读取、理解和修改另一个神经网络的权重，而非通过常规训练流程调整参数。 具体过程上，GPT-6 Astra 使用 Python 环境分析和修改权重，并进行了最多 50 轮前向推理，只是没有使用梯度下降、反向传播或传统训练循环来更新参数。研究者称，权重空间编程可以消除模型已有能力发挥过程中遇到的障碍，但不一定能够凭空创造模型原本不具备的能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。