RadarAI· X：indigo (@indigox)·· 2 天前AI 评分64
MIT CSAIL 团队提出权重空间编程，GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重
MIT CSAIL 团队提出权重空间编程，让 GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重
AI 导读
MIT CSAIL 博士生 Rikiya Takehi 团队提出权重空间编程方法，让 GPT-6 Astra 无需训练和梯度直接读写神经网络权重。实验仅修改 Qwen3.5-0.8B 约 0.016% 的权重，MATH-500 从 7.9 涨到 48.1，GSM8K 从 13.8 涨到 67.1，指令遵循提升 3 倍。
正文 · AI 翻译
indigo· @indigox · X·2026-11-03 08:35· 40 分钟前AI 评分53
AI 导读
MIT CSAIL 博士生 Rikiya Takehi 团队提出权重空间编程方法，用 GPT-6 Astra 无需训练和梯度直接读写神经网络权重。仅修改 Qwen3.5-0.8B 约 0.016% 的权重，MATH-500 从 7.9 涨到 48.1，GSM8K 从 13.8 涨到 67.1，指令遵循提升 3 倍。
正文 · 原文
今日 X 上 AI 最火：MIT CSAIL 的博士生 Rikiya Takehi 和他的团队提出了“权重空间编程”的方法，不训练、不算梯度，让 GPT-6 Astra 直接读写神经网络的权重。实验只修改了 Qwen3.5-0.8B 约 0.016% 的权重，就让 MATH-500 从 7.9 涨到 48.1，GSM8K 从 13.8 涨到 67.1 ... 大模型手搓小模型，指日可待🤟
我们让 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重以提升数学能力。 它仅直接修改了 0.016% 的权重，就修复了 0.8B 的推理循环，数学能力最高提升 6 倍，指令遵循能力甚至提升 3 倍，且无需梯度或训练。 我们称之为权重空间编程：前沿 LLM 现在可以原生读写神经网络权重了！🧵 博客：https://rikiyat.github.io/blog/weight-space-programming/在 X 查看被引用的帖子
来源：indigo · x.com
来源：RadarAI · aihot.news