RadarAI· X：Rohan Paul (@rohanpaul_ai)·· 3 天前AI 评分64
MIT 研究让 GPT-6 Astra 无需训练直接改写 Qwen3.5-0.8B 权重提升数学表现
AI 导读
MIT CSAIL 研究者演示了 Weight-Space Programming：GPT-6 Astra 无需训练或梯度，直接读写神经网络权重，把 Qwen3.5-0.8B 在 MATH-500 上的成绩从 7.9% 提升到 48.1%，仅改动 0.016% 的权重。
正文 · AI 翻译
Rohan Paul· @rohanpaul_ai · X·2026-11-03 04:17· 56 分钟前AI 评分63
AI 导读
MIT CSAIL 研究者演示了 GPT-6 Astra 无需训练或梯度、直接读写神经网络权重的方法，称为 Weight-Space Programming。
正文 · 原文
重大突破。MIT 研究者展示 GPT-6 Astra 能直接修改另一个 AI 模型的权重来提升其性能，无需训练。
在此，GPT-6 Astra 通过编辑 Qwen3.5-0.8B 0.016% 的权重，在无需训练的情况下，将其在 MATH-500 上的成绩从 7.9% 提升到 48.1%。
Astra 在 Python notebook 中获取了 Qwen 的权重，并获得了在练习数学题上进行 50 次测试运行的预算。它发现该模型不断重复自身，直到达到长度限制，并将这一习惯追溯到由其 2 层写入的单一内部信号，然后从权重中减去该信号。
循环消除后，模型能够完成它本已具备求解能力的答案。
这一次针对性编辑改变了 0.016% 的权重，将数学准确率从 7.9% 提升到 48.1%。
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，修复了 0.8B 的推理循环，将数学能力提升至多 6 倍，指令遵循能力甚至提升 3 倍，全程无需梯度或训练。 我们将此称为 Weight-Space Programming：前沿 LLM 现在可以原生读写神经网络权重！🧵 博客：https://rikiyat.github.io/blog/weight-space-programming/在 X 查看被引用的帖子
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news