Cmpnd 发布 dspy-wsp：用大模型直接编辑小模型权重
Cmpnd Releases dspy-wsp: Weight-Space Programming Comes to DSPy
Cmpnd 把 DSPy 优化器玩出了新花样：让 GPT 这类大模型直接改小模型的权重，不用梯度、不用 GPU 集群，一次跑下来只要 5 到 10 美元。做小模型微调的同学可以看看这个路子和传统训练差在哪。
Cmpnd 发布了 dspy-wsp，一个面向权重空间编程的 DSPy 优化器原型。它让一个 frontier 级 LLM 读取小模型的权重，在沙盒环境中直接编辑，并对每次修改进行测试验证，全程不依赖梯度计算。
具体机制是：LLM 充当优化器角色，观察模型参数、提出修改、在沙盒中执行并评估效果，循环迭代。每次运行成本约 $5 到 $10，远低于传统训练流程，因为它绕过了反向传播。
这个思路把 DSPy 的程序化优化从提示词层面推进到权重层面，为小模型的低成本定制提供了新路径，对预算有限的开发者有参考价值。
Cmpnd Releases dspy-wsp: Weight-Space Programming Comes to DSPy
Cmpnd released dspy-wsp, a prototype DSPy optimizer for weight-space programming. A frontier LLM reads a small model’s weights, edits them in a sandbox, and tests each change, with no gradients and about $5 to $10 per run. The post Cmpnd Releases dspy-wsp: Weight-Space Programming Comes to DSPy appeared first on MarkTechPost .
本条情报归属 AITOP「产品」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：DSPy、dspy-wsp、Cmpnd、微调，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始信息发布自一手权威信源「marktechpost」（Tier-1 一手发布），具备高确定性参考价值。
