观点网讯：近日，MIT CSAIL研究团队展示一种名为“权重空间编程”（Weight-Space Programming）的AI优化方法。该方法让GPT-6 Astra像程序员阅读和修改代码一样，直接分析神经网络权重，定位模型问题并修改其中的参数，整个过程没有使用传统的梯度训练。
研究人员仅修改了Qwen3.5-0.8B的13.072万个参数，占参数总量的0.016%。修改后，该模型在MATH-500上的成绩从7.9%提升至48.1%，GSM8K成绩从13.8%提升至67.1%，IFEval指令遵循成绩也从21.0%上升至62.3%。同时，该模型在MATH-500上触及token上限的回答比例从93.0%降至33.1%。
这项方法还应用于其他任务。研究团队在小车控制网络上修改了3.5%的权重，为网络加入“先后退蓄力，再全速前进”的控制路径，使成功率从0提升至100%。
消息传开后，有观点认为这是一种刚刚在最新一代模型中出现的“阶跃式能力”，如果大模型能直接读写另一个模型的权重，未来AI优化AI可能连重新训练都不需要了。也有质疑指出，Qwen原本存在严重的重复推理问题，数学成绩大幅上涨可能只是因为GPT-6 Astra修好了这个问题，并不等于一个模型凭空获得了新的数学能力。
免责声明：本文内容与数据由观点根据公开信息整理，不构成投资建议，使用前请核实。
