MIT 权重空间编程获独立复现，新模型效果暴增 20 倍
开发者 Alex Krentsel 独立复现了 MIT 博客提出的「权重空间编程」（weight-space programming）结果，即让前沿大模型直接读写神经网络权重、无需梯度训练即可修改模型行为。他发现该能力仅在最新一批模型中出现，GPT-6 Astra 与 Opus 5.5 等新模型效果较此前提升约 20 倍，呈阶跃式涌现；不过社区对其「涌现能力」的说法也存在质疑。
2026-11-03 ~ 2026-11-03 · 4 条相关
- 第 1 集:MIT 研究：LLM 直改 0.016% 权重，小模型数学成绩提升 6 倍(2026-11-03,46 条)
- 第 2 集:研究者澄清 Astra 改权重：套用公开可解释性技术而非 RSI(2026-11-03,3 条)
- 第 3 集:GPT-6 直改小模型权重引热议，遭扒皮实为转向向量加试错(2026-11-03,2 条)
- 第 4 集:MIT 权重空间编程获独立复现，新模型效果暴增 20 倍(2026-11-03,4 条)
- MIT 权重空间编程获独立复现：GPT-6 Astra 与 Opus 5.5 效果达 20 倍 — a1zhang · 2026-11-03
- 开发者复现 MIT 权重空间编程结果，「涌现」说法遭质疑 — anshulkundaje · 2026-11-03
- 权重空间编程结果获独立复现，最新模型出现阶跃新能力 — basedjensen · 2026-11-03
- 权重空间编程或是新前沿模型涌现能力，最新一代效果暴增 20 倍 — Distinct-Question-16 · 2026-11-03