IT之家 11 月 3 日消息，麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）的研究人员提出了一种名为「权重空间编程」（Weight-Space Programming）的新方法。

他们让 OpenAI 的 GPT-6 Astra 直接分析并修改阿里云通义千问热门模型 Qwen3.5-0.8B 的神经网络权重，仅调整约 0.016% 的参数，就将该模型在 MATH-500 数学基准测试中的成绩从 7.9% 提升至 48.1%，达到原来的约 6.1 倍。据称，整个过程没有使用梯度下降或传统训练循环。

这项研究由 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab 共同完成。Takehi 于当地时间 11 月 2 日在博客上发布了这项研究，将其称为「权重空间编程」，核心思路是让大语言模型直接读取、理解和修改另一个神经网络的权重，而不是通过常规训练流程调整模型参数。

在具体实验中，GPT-6 Astra 并不是简单地随机调整少量参数，而是先定位 Qwen3.5-0.8B 的推理循环问题。

研究人员发现，该模型容易在回答数学问题时反复生成相同内容，导致大量回答耗尽 32768 个 Token 的长度限制。在最初的 96 次测试回答中，有 85 次触及这一上限。

研究团队为 GPT-6 Astra 提供了一个可以读取和修改模型权重的 Python 环境，并允许其使用 GSM8K 和 MATH 训练集中的练习题进行有限次数的前向推理。Astra 随后定位到第 15 层和第 19 层 MLP（多层感知机）写入的一种重复方向，通过修改这两层的部分权重，削弱了导致推理循环的信号。

最终，Astra 修改了 131072 个权重，占 Qwen3.5-0.8B 约 8 亿个参数的 0.016%。在允许进行 50 轮前向推理的实验中，模型在 MATH-500 上的成绩从 7.9% 提升至 48.1%，在 GSM8K 上从 13.8% 提升至 67.1%。

同时，修改后的模型指令遵循能力也有所改善。在衡量模型指令遵循表现的 IFEval 测试中，修改后的模型成绩从 21.0% 提升至 62.3%，约为原来的 3 倍。与此同时，数学测试中因生成长度达到上限而未能完成回答的比例，从原来的 93% 降至 33.1%。

需要注意的是，这项实验并非完全没有计算过程。GPT-6 Astra 使用了 Python 环境分析和修改权重，也进行了最多 50 轮前向推理，只是没有使用梯度下降、反向传播或传统训练循环来更新参数。

研究人员还使用 Gemma 3 270M 进行了对照实验。由于该模型原本很少出现推理循环，Astra 无法通过类似的局部权重修改显著提升其数学能力，MATH-500 成绩最多仅从 6.8% 提升至 7.7%。研究团队据此指出，权重空间编程可以消除模型已有能力发挥过程中遇到的障碍，但不一定能够凭空创造模型原本不具备的能力。

这项研究还包括其他实验，例如让 GPT-6 Astra 仅通过读取神经网络权重识别模型训练过的游戏、判断小型语言模型的训练语言，以及直接编写能够运行游戏的神经网络。研究人员认为，这种方法有望为神经网络可解释性研究和模型优化提供新的思路。