GPT-6 Astra 直接改写 Qwen 模型权重引热议
先了解这件事
2026年11月3日，有报道称研究者提出名为 Weight-Space Programming 的方法，让 GPT-6 Astra 直接读写神经网络权重，无需梯度或训练；同一报道称该方法被用于修复 Qwen3.5-0.8B 在数学推理中出现的循环问题。该消息以 Hacker News 热门内容形式传播，来源为 buzzing.cc，未披露研究机构、实验细节或可复现性信息。随后 X 平台用户 Kim 发帖称，MIT 研究人员表示 GPT-6 Astra 仅直接编辑 Qwen 小模型 0.016% 的权重，就将其数学成绩从 7.9% 提升到 48.1%，全程无需基于梯度的训练，并称这一结果指向能直接诊断并改进其他模型的人工智能系统，是迈向自我改进 AI 的潜在一步。早先报道未提及研究机构与具体数据，后续报道则称研究来自 MIT 并给出权重比例与分数变化，两者在细节披露上存在差异。另有 X 用户马东锡 NLP 称，该方法仅改动 0.016% 权重，数学最高提升 6 倍、指令遵循提升 3 倍。最新进展是 X 用户 Rohan Paul 称 MIT CSAIL 研究者提出该方法，在不做任何训练的情况下把 MATH-500 成绩从 7.9% 提到 48.1%，指令跟随提升 3 倍；Thomas Wolf、Yuchen Jin、Elvis Saravia 等也相继发帖讨论，Ethan Mollick 则表示仍在等待复现。
AI 根据报道生成 · 46 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- elvis (@omarsar0) · XLLM 可直接读写神经网络权重
必读报告！他们发现 LLM 在读写神经网络权重方面出奇地擅长。 想想看，这对 RSI 意义重大！ 当前的 RSI 流程侧重于编写代码来启动训练任务。 这项能力可能提供一条更原生的路径，通过权重递归地自我改进模型。
- Yuchen Jin (@Yuchenj_UW) · X前沿LLM直接编辑小模型权重
这也太酷了！ 想象一下，用一个大语言模型直接编辑一个小模型的权重，大幅提升它的能力。 这就像给神经网络做基因编辑。比知识蒸馏还酷！ （引用推文：我们让 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重以提升数学能力。它仅直接改动了 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，指令遵循甚至提升 3 倍，全程无需梯度或训练。我们称之为 Weight-Space Programming：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/）
- Rohan Paul (@rohanpaul_ai) · XMIT 研究显示 GPT-6 Astra 可不经训练直接改写 Qwen3.5-0.8B 权重提升数学能力
MIT CSAIL 研究者提出 Weight-Space Programming，让 GPT-6 Astra 直接编辑 Qwen3.5-0.8B 仅 0.016% 的权重，在不做任何训练的情况下把 MATH-500 成绩从 7.9% 提到 48.1%，指令跟随提升 3 倍。
- Chubby♨️ (@kimmonismus) · XGPT-6 Astra 直接编辑 Qwen 权重提分
太不可思议了：MIT 研究人员称，GPT-6 Astra 仅直接编辑 Qwen 小模型 0.016% 的权重，就将其数学成绩从 7.9% 提升到 48.1%，全程无需基于梯度的训练。 这一结果指向能够直接诊断并改进其他模型的人工智能系统，是迈向自我改进 AI 的潜在一步。
- Dongxi 东锡 NLP (@dongxi_nlp) · XGPT-6 Astra 直接改写 Qwen3.5-0.8B 权重修推理循环
研究者让 GPT-6 Astra 直接编辑 Qwen3.5-0.8B 的权重以提升数学能力，仅改动 0.016% 的权重，无需梯度或训练，就把该模型的推理循环问题修好，数学最高提升 6 倍、指令遵循提升 3 倍，被称为 Weight-Space Programming。
- rikiyat.github.io（经 Hacker News）GPT-6 Astra 直接读写神经网络权重，修复 Qwen3.5-0.8B 数学推理循环
研究者提出 Weight-Space Programming，让 GPT-6 Astra 直接读写神经网络权重而无需梯度或训练。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。