MIT：GPT-6無訓練改寫模型權重

四十年來的難題

神經網絡的權重文件裏全是密密麻麻的數字，過去四十年間，人類始終難以看懂這堆數字在計算什麼。要改變模型行為，通常只能輸入數據、計算梯度，靠訓練一步步微調。權重對研究者而言近乎黑箱，直接編輯始終被視為不可行。

實驗結果

MIT團隊將0.8B的開源小模型Qwen3.5交給GPT-6 Astra處理，全程無訓練、無梯度下降，僅改動其中0.016%的權重。同樣採樣設置下，MATH-500得分由7.9%升至48.1%，數學運算能力約為原來的6倍，連原本未要求優化的指令執行能力也提升了3倍。

從零寫出權重

修完模型之外，團隊還讓Astra從零編寫一款小遊戲網絡的權重。它一次回覆即交出成品，得分超過訓練了5億步的PPO基線約20倍，顯示模型不僅能修改現有權重，也能直接生成完整網絡。這類能力把權重文件變成可以直接閱讀和書寫的對象。

意義與方向

團隊將這套打法命名為權重空間編程。它跳過了反向傳播與大規模訓練，直接對神經網絡權重進行可解釋的精準干預，突破了長期以來人類無法理解與手動編輯權重的瓶頸。對模型輕量化、可解釋AI與邊緣智能而言，這條路徑開闢了新的可能。