MIT 提出权重空间编程，用 GPT-6 Astra 改写 Qwen3.5-0.8B 权重

2026 年 11 月 2 日，MIT CSAIL 研究者 Rikiya Takehi 在个人博客发布一项名为「权重空间编程」（Weight-Space Programming）的研究，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参数。同日，相关讨论出现在 Hacker News，摘要称 Astra 能直接读写模型权重、在权重空间里改进 Qwen，而不只靠微调或提示词，原帖获 630 点、182 条评论，讨论集中在方法能否复现、对权重的改动是否稳定。

11 月 3 日，量子位报道称 MIT 一项研究显示 GPT-6 Astra 能够直接修改 Qwen 的模型权重，数学能力提升 6 倍，指令执行能力也同步提升，但材料未提供论文细节或实验设置；同日 IT 之家补充了更具体的实验数据：由 Rikiya Takehi、Jayden Teoh、Alex Zhang 和 Omar Khattab 共同完成的这项研究，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，且整个过程没有使用梯度下降或传统训练循环。此外，GPT-6 Astra 并不是简单随机调整少量参数，而是先定位 Qwen3.5-0.8B 在数学推理上的循环问题，该模型容易在回答数学问题时反复生成同类步骤。

关于所涉模型，三篇报道的说法并不完全一致：Hacker News 摘要只提到改进 Qwen，量子位表述为修改 Qwen 的模型权重，IT 之家则具体到 Qwen3.5-0.8B。目前公开信息停留在 11 月 3 日的博客发布与媒体报道阶段，材料未提供论文细节或实验设置。