LLM 直接读写神经网络权重：Weight Space Programming 展示修改 Qwen 权重
[AINews] LLMs can read & write neural network weights: "Weight Space Programming" cuts Autoresearch out of the RSI loop
精选理由
这篇讲的是 LLM 不只生成文本，直接改 Qwen 的权重来修掉推理循环，还牵出 DeepSeek 的 super-agent 原型和 GDPx 基准，玩法挺新鲜。
一篇新文章提出 Weight Space Programming（权重空间编程），让 LLM 直接读取并修改神经网络的权重。演示案例中，模型被用来编辑 Qwen 的权重，以减少其推理过程中的循环输出。文中还提到 DeepSeek 的 super-agent 原型以及名为 GDPx 的基准。作者认为这类能力可能让 autoresearch 从递归自我改进（RSI）循环中被剥离出来。
原文 · Latent Space (swyx)
[AINews] LLMs can read & write neural network weights: "Weight Space Programming" cuts Autoresearch out of the RSI loop
Editing Qwen’s weights to reduce reasoning loops, DeepSeek’s super-agent prototype, and the GDPx benchmark.
