MIT CSAIL：GPT-6 Astra 可直接讀寫模型權重

先了解這件事AI 綜述

MIT CSAIL 團隊於 11 月 2 日發布論文，稱 GPT-6 Astra 能直接用自然語言讀取和修改神經網路權重，全程不依賴梯度，也不允許模型編寫訓練迴圈，作者將這種方法稱為「Weight-Space Programming」。據論文，Astra 僅憑 17,253 個原始權重，就以 99% 置信度判斷出目標網路訓練自哪款遊戲；在沒有任何環境反饋的情況下從零寫出的小型遊戲網路，表現超過用 PPO 訓練 1 億步的網路。在 Qwen3.5-0.8B 上，Astra 定位到導致推理迴圈的權重問題（Qwen 自己的模型卡也曾提示該問題），只原生編輯了 0.016% 的權重；在相同取樣設定下，MATH-500 從 7.9% 提升到 48.1%，並順帶把 IFEval 提高約 3 倍。作者認為這對最佳化與可解釋性都可能有重要意義。Hacker News 次日轉載的版本則把這批結果描述為早期實驗、結論仍屬初步。對在本地跑小模型的人來說，這意味著不重訓、只改極少量權重就可能顯著改善推理表現，但目前仍是論文層面的初步結果。

AI 根據 2 則報導生成 · 11/3 02:50 更新

本事件熱度走勢

為什麼熱

過去 48 小時，有 1 個獨立來源報導，最近 6 小時新增 0 個。熱度 0.7，熱門榜第 42 名。

熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。

事件紀錄

最早報導

11/2 18:21

最近更新

11/3 01:53

同一事件的報導集中在這裡，新的進展會繼續補充。