MIT 计算机科学与人工智能实验室（CSAIL）的四名研究人员于 11 月 2 日发表博客《Sparks of Weight-Space Programming》，称 OpenAI 的 GPT-6 Astra 可以直接读取并改写另一个神经网络的权重来提升其表现，无需重新训练。这一说法迅速成为本周 AI 社区最受讨论的话题之一。

最受关注的实验针对阿里巴巴的开源小模型 Qwen3.5-0.8B：Astra 定位到模型第 15、19 层 MLP 中的一个“循环方向”，仅改动 131072 个权重（占模型 8 亿权重的 0.016%），MATH-500 得分就从 7.9% 升至 48.1%，GSM8K 从 13.8% 升至 67.1%。作者认为，这种“权重空间编程”未来可用于审计模型隐藏缺陷、直接打补丁。

但质疑在一天内就出现了。spaCy 作者 Matthew Honnibal 指出， headline 结果依赖的是 Python 工具与前向传播，而非纯粹“读权重”；更重要的是基线本身异常：Qwen 模型 93% 的回答会陷入循环直至触顶，关闭其“思考模式”后基线 MATH-500 已达 45.8%，改动带来的实际提升只有约 1.5 至 2 个百分点。另一位评论者 Sean Goedecke 则认为，这本质上是已有的“转向”（steering）技术应用。

作者也在博客中承认了局限：在更小的 Gemma 3 270M 上，同样方法几乎没有提升（6.8% 升至最多 7.7%），因为该模型本就很少陷入循环；权重编辑能清除遮挡已有能力的障碍，但无法赋予模型原本不具备的能力。目前这项工作仅为博客文章，尚未经过同行评审，实验日志已公开在 GitHub 上。

消息来源

https://www.rdworldonline.com/mit-team-says-gpt-6-astra-can-fix-an-ai-model-by-editing-its-weights-critics-say-the-method-was-standard-ml-engineering/