MIT称LLM可直接改写模型权重，实验条件引质疑
先了解这件事
MIT CSAIL 团队提出“权重空间编程”（Weight-Space Programming），称 GPT-6 Astra 可绕过梯度下降和训练流程，直接读取并修改神经网络权重。在 Qwen3.5-0.8B 上，Astra 只改动约 0.016%（131072 个）参数，MATH-500 从 7.9% 升至 48.1%，GSM8K 从 13.8% 升至 67.1%，IFEval 从 21.0% 升至 62.3%。 有质疑帖指出，该实验并非仅靠读取原始权重完成：真正直接读取权重的实验只覆盖 17K–172K 参数的小网络；涉及真实语言模型的实验都借助了 Python，Qwen3.5-0.8B 的数学提升还允许模型在最多 50 批练习题上运行。该帖认为，这些结果不应与“直接读写权重”放在同一篇论文里。spaCy 作者 Matthew Honnibal 也公开质疑该研究存在严重误导。 报道还提到，实验均在小型模型上完成，对很少出现推理循环的 Gemma 3 270M 修改未带来明确提升；GPT-6 Astra 是 OpenAI 尚未公开发布的模型，团队尚未发布代码、论文或第三方复现结果。
AI 根据报道生成 · 10 天前更新
事件进展
3 个进展
- 11月5日 15:10 · 1 篇报道Honnibal发文质疑Astra研究呈现方式量子位：spaCy 作者 Matthew Honnibal 质疑 MIT Astra 研究：修改 Qwen3.5-0.8B 权重被指偷换概念
- 11月3日 20:21 · 1 篇报道质疑「Astra 能读写权重改进 Qwen」：该帖具有误导性Hacker News · 首页：质疑「Astra 能读写权重改进 Qwen」：该帖具有误导性
- 11月3日 02:21 · 10 篇报道研究展示LLM直接读写神经网络权重Hacker News · 首页：研究称 GPT-6 Astra 可直接读写神经网络权重，修复 Qwen3.5-0.8B 循环使 MATH-500 从 7.9% 升至 48.1%
报道时间线
沿着报道，了解事件的不同侧面。
- 掘金从 Astra 改千问权重到 Harness²：AI 如何判断自己改对了
文章解读 MIT CSAIL 的实验，GPT-6 Astra 直接修改 Qwen3.5-0.8B 的权重来减少重复推理，在 MATH-500 上把正确率从 7.9% 提到 48.1%。
- 量子位spaCy 作者 Matthew Honnibal 质疑 MIT Astra 研究：修改 Qwen3.5-0.8B 权重被指偷换概念
spaCy 作者、Explosion 联合创始人 Matthew Honnibal 公开质疑 MIT 的 Astra 研究存在严重误导。
- Latent SpaceLatent Space 专访：Kill My SaaS、Jev 与 2026 年 AI 展望（AI Engineer Shanghai）
Latent Space 发布 AI Engineer Shanghai 专题，并独家专访回顾 Latent Space 自身历史。AI 新闻部分聚焦“权重空间编程”复现争议：GPT-6 Astra 在 Qwen3.5-0.8B 上无反向传播编辑 131,072 个权重，MATH-500 从 7.9% 升至 48.1%，但复现显示提升主要来自修复 32K token 循环问题。
- The Decoder研究称 GPT-6 Astra 可直接读写模型权重，改写 0.016% 权重让 Qwen3.5-0.8B 数学准确率升至 48.1%
一项研究提出 Weight-Space Programming，让 GPT-6 Astra 直接读取和生成模型权重，跳过逐步数学优化的常规训练流程。在 Qwen3.5-0.8B 上，Astra 只改动 0.016% 的权重，就把 MATH-500 准确率从 7.9% 提到 48.1%，指令遵循从 21% 升到 62%，但仍有三分之一回答撞到最大文本长度。
- 雷峰网MIT CSAIL 用 GPT-6 Astra 改写 Qwen3.5-0.8B 权重，0.016% 参数修复 3 万 Token 死循环
MIT CSAIL 让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的内部权重，仅改动约 0.016% 参数，就把 MATH-500 成绩从 7.9% 提升到 48.1%，GSM8K 从 13.8% 升至 67.1%。
- 掘金拆解 MIT 让 GPT-6 Astra 改 Qwen3.5-0.8B 权重的实验：0.016% 参数提分来自修复推理循环
MIT CSAIL 团队让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的权重，只改 131072 个参数（约 0.016%），MATH-500 从 7.9% 升到 48.1%，GSM8K 从 13.8% 升到 67.1%，全程无训练、无梯度下降。
- Hacker News · 首页质疑「Astra 能读写权重改进 Qwen」：该帖具有误导性
一篇质疑「Astra 能读写权重改进 Qwen」的帖子指出，该实验并非仅靠读取原始权重完成。真正直接读取权重的实验只覆盖 17K–172K 参数的小网络；涉及真实语言模型的实验都用了 Python，Qwen3.5-0.8B 的数学提升（MATH-500 从 7.9% 到 48.1%）还允许模型在最多 50 批练习题上运行。作者认为这些结果与「直接读写权重」不应放在同一篇论文里。
- The Rundown AIMIT 研究：GPT-6 Astra 无需训练即可改写其他模型权重
MIT 研究发现，OpenAI 的 GPT-6 Astra 能直接改写其他模型的权重而非重新训练，把阿里小尺寸 Qwen 的数学得分从 7.9% 提升到 48.1%，仅改动 0.016% 的权重。该方法对缺少单一缺陷的 Gemma 3 效果有限，Astra 还能仅凭权重判断模型学到的游戏并写出简单 Breakout 玩家。作者称这或让 AI 自行升级、按需增删技能或排查隐藏问题。
- 爱范儿MIT CSAIL 提出权重空间编程，GPT-6 Astra 改 Qwen3.5-0.8B 0.016% 参数数学成绩升至 48.1%
MIT CSAIL 研究团队提出「权重空间编程」，让 GPT-6 Astra 直接读取并修改神经网络权重，仅改动 Qwen3.5-0.8B 的 131072 个参数（约 0.016%），MATH-500 从 7.9% 升至 48.1%，GSM8K 从 13.8% 升至 67.1%，IFEval 从 21.0% 升至 62.3%。
- Latent SpaceMIT CSAIL 提出 Weight-Space Programming：LLM 直接读写神经网络权重
MIT CSAIL 的 Takehi et al. 提出 Weight-Space Programming，让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量，不走梯度下降或训练循环。
- 掘金MIT 团队用 GPT-6 Astra 改写小模型权重，跳过梯度训练提升指令遵循能力
MIT CSAIL 团队提出权重空间编程方法，用 GPT-6 Astra 直接读写神经网络权重参数，跳过梯度下降训练流程。在 Qwen3.5-0.8B 上仅修改约 0.016% 的权重，指令遵循能力提升 3 倍。实验均在小型模型上完成，Astra 如何实现权重读写的技术细节未公开，团队尚未发布代码、论文或第三方复现结果。
- IT之家MIT CSAIL 提出权重空间编程，GPT-6 Astra 改 Qwen3.5-0.8B 约 0.016% 权重使 MATH-500 从 7.9% 升至 48.1%
MIT CSAIL 研究人员提出「权重空间编程」，让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重，仅调整约 0.016%（131072 个）参数，就把 MATH-500 成绩从 7.9% 提升至 48.1%，GSM8K 从 13.8% 升至 67.1%。
- 量子位MIT 实验用 GPT-6 Astra 直接改写 Qwen3.5-0.8B 权重，MATH-500 得分从 7.9% 升至 48.1%
MIT 团队提出 Weight-Space Programming，让 GPT-6 Astra 直接读取并修改小模型权重，在 Qwen3.5-0.8B 上只改动 0.016% 的权重、不做训练和梯度下降，MATH-500 得分从 7.9% 升到 48.1%，指令执行能力提高 3 倍。
- Techmeme研究称 LLM 可原生读写神经网络权重，GPT-6 Astra 直接改 Qwen3.5-0.8B 权重提升数学能力
研究人员发现 LLM 能原生读取和写入神经网络权重，GPT-6 Astra 直接编辑 Qwen3.5-0.8B 的权重，使其数学能力得到提升。该结果由 Rikiya Takehi 报道，显示模型可在权重层面直接操作而非仅通过文本接口。
- Hacker News · 首页研究称 GPT-6 Astra 可直接读写神经网络权重，修复 Qwen3.5-0.8B 循环使 MATH-500 从 7.9% 升至 48.1%
一项研究提出 Weight-Space Programming，让通用 LLM 直接读写神经网络权重而不经梯度下降，GPT-6 Astra 仅凭原始权重就能判断网络训练目标，并能在无环境反馈下从零写出小游戏网络。