MIT CSAIL 提出 Weight-Space Programming：让 GPT-6 Astra 直接读写权重

MIT CSAIL 的研究者让通用前沿模型 GPT-6 Astra 以自然语言为目标，直接读写神经网络权重，称为 Weight-Space Programming。对 Qwen3.5-0.8B 只改 0.016%（131,072 个）权重后，MATH-500 从 7.9% 升到 48.1%，GSM8K 从 13.8% 升到 67.1%，IFEval 从 21.0% 升到 62.3%，卡满 token 上限的比例从 93% 降到 33%，修掉了思考死循环。在 MinAtar 的 Breakout 上，Astra 无梯度、无数据一次性写出的策略网分数超过训了 5 亿步的 PPO 一个数量级。作者认为这是把优化从 Adam、Muon 这类人工设计的小步更新，推进到 LLM 有意推理权重本身。