MIT 研究展示 GPT-6 Astra 可直接读写其他模型权重

The Decoder：AI 新闻· Maximilian Schreiner·2026-11-04 23:44· 1 小时前AI 评分66

GPT-6 Astra 看穿矩阵，直接通过权重重新编程其他 AI 模型

AI 导读

MIT 研究人员在研究博客中展示，OpenAI 的 GPT-6 Astra 能直接分析并修改其他 AI 模型的权重，无需传统训练，该方法被称为 Weight-Space Programming。

正文 · 原文

2026年11月4日

由 THE DECODER 提示的 Nano Banana Pro

MIT 研究人员展示，GPT-6 Astra 能直接理解并修改其他 AI 模型的内部设置，无需传统训练。该方法存在局限，但可能改变 AI 系统的调优与控制方式。

把成千上万个数字的列表交给一个人，问他一个用这些数字训练出来的 AI 模型在玩什么游戏。你得不到答案。而 OpenAI 的 GPT-6 Astra 会给你一个答案：在一篇研究博客中，MIT 研究人员展示，GPT-6 Astra 能分析并有意修改其他 AI 模型的内部设置，即所谓的权重。这些数值被组织在庞大的表格中，用数学术语来说就是矩阵。

无需通常那种逐步数学优化的训练过程。根据实验不同，Astra 直接处理数字列表，或使用编程工具和测试运行的反馈。

研究人员将这种方法称为“Weight-Space Programming”：无需昂贵地重新训练 AI 模型，语言模型就像机械师一样拧动一个个旋钮。

Astra 仅凭查看模型的原始数字就能识别游戏

在多项实验中，研究人员将训练好的网络的原始权重输入给 Astra，并询问这些网络学到了什么。Astra 正确识别出网络本应玩四种电脑游戏中的哪一种。它还识别出图像生成器生成的基本形状，尽管它把实心形状与轮廓混淆了。它也能正确匹配小型语言模型的训练语言——无需访问训练数据，也无需运行模型。

在另一项测试中，Astra 必须判断两个微调过的语言模型中哪一个被训练为总是同意用户。仅凭权重，它起初无法分辨。只有当 Astra 还被允许观察模型在文本处理过程中关注什么时，它才在所有三对模型中正确识别出谄媚模型。

从零编写的模型击败了训练过的对手

Astra 走得更远：它为旨在玩三款简单电脑游戏的模型生成权重，完全无需训练，仅基于游戏规则和源代码。据研究人员称，这些模型的表现超过了用标准方法训练超过 1 亿轮的模型。在 Breakout 中，Astra 的模型平均得分 517 分，而训练基线为 25 分。在另外两款游戏中，Astra 落后于训练时间最长的版本。

对于 9x9 网格的棋盘游戏围棋，Astra 编写了一个约 150 万参数网络的权重。在 50 次测试迭代的预算下，每轮网络最多进行 128 局练习赛，然后 Astra 修正其权重，它击败了一个规模相当、训练了约 2000 万局的模型。

针对性修复而非全面重新训练

最实用的实验涉及语言模型 Qwen3.5-0.8B。Astra 的任务是提升其数学能力，使用编码环境和 50 次带练习题的测试迭代。评估在 Astra 从未见过的独立问题上进行。

Astra 发现了一个 Qwen 自己的模型文档已经警告过的问题：思维循环，即模型无休止地重复相同文本而无法得出答案。随后 Astra 仅改动了全部权重的 0.016%。结果：MATH-500 基准上的准确率从 7.9% 跃升至 48.1%。指令遵循能力从 21% 提升至 62%。不过思维循环并未完全消除，仍有三分之一的回复触及最大文本长度，低于此前的 93%。

对于很少陷入此类循环的较小模型（Gemma 3 270M），Astra 无法产生任何可测量的改进。

研究人员怀疑 Astra 能够移除 Qwen 模型中抑制现有能力的阻塞，但模型从根本上缺乏的技能无法仅通过在此实验中重写单个权重来添加。

旧闻还是新范式？

AI 先驱 Jürgen Schmidhuber 在 X 上评论称该方法“老掉牙”，并指向他自己 1990 年代的工作。Khattab 回应称他们链接了那些论文，这些论文“远远超前于其时代”。他表示，新的方面在于当今语言模型在人类语言与网络数值之间转换的能力有多好。

研究人员认为他们的方法在直接对模型权重进行安全审计或无需昂贵重训练即可实现定向行为改变等方面具有潜力。他们也承认能力仍然有限。下一步是建立一个用于系统测量的基准。实验日志在 GitHub 上，编辑后的 Qwen 模型在 Hugging Face 上。

没有炒作的 AI 新闻——由人类精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期独家“AI Radar”前沿报告、完整档案访问以及评论区访问权限。

立即订阅

• 完整访问 THE DECODER 上的每篇文章
• 无广告
• 加入评论和社区讨论
• 每周通过邮件获取 AI 新闻摘要
• 每年 6 次：“AI Radar”——深入探讨最重要的 AI 话题
• 每日 AI 新闻，始终最新
• 我们完整的十年档案
• 由拥有 10 年以上 AI 经验的团队报道

来源：The Decoder：AI News · the-decoder.com