前沿 LLM 可原生读写神经网络权重：判别游戏、零训练写出超 PPO 的策略网络
RobbinDeBank · reddit · 2026-11-03
Reddit 用户分享论文博客《Sparks of Weight-Space Programming: LLMs can natively read & write neural network weights》（附原文链接），核心发现是前沿 LLM 原生读写神经网络权重的能力远超人类和常规算法，这对优化与可解释性可能都是大事（未经同行评审）。
配图与引文要点：
- 读权重：GPT-6 Astra 仅凭原始权重（无任何工具）就能判断一个网络是被训练来做什么的——如以 99% 置信度从 17,253 个权重识别出 Breakout
- 写权重：无需任何环境反馈，从零写出能打赢经 PPO 训练 1 亿步网络的小型游戏策略网络
- 修权重：让 Qwen3.5-0.8B 数学变强时，Astra 定位其模型卡警告过的推理循环权重问题，一次编辑 3.5% 权重让任务成功率 0%→100%；改 Qwen 数学能力则编辑 0.016% 权重，MATH-500 从 7.9% 升至 48.1%
发帖人表示没想到前沿模型会具备这种未被专门优化、人类也做不到的能力。
所属事件:MIT 权重空间编程：AI 直接改 0.016% 权重数学成绩升 6 倍(40 条相关)→
「模型」频道最新
- LiquidAI LFM3-1.7B 登顶 HF 趋势榜：5 天 1k 星、42.4k 下载 — maximelabonne · 2026-11-03
- Weight-Space Programming：GPT-6 直接改 Qwen3.5 权重，数学能力提升 6 倍 — lateinteraction · 2026-11-03
- GPT-6 Astra 直改 Qwen3.5-0.8B 权重：仅动 0.016% 参数，数学提升至 6 倍 — yacineMTB · 2026-11-03
- Gemini 又现出圈回复,研究者感叹「对齐很复杂」 — vedantmisra · 2026-11-03
- Domingos 一句话观点：人类比 AI 更耐数据 — pmddomingos · 2026-11-03
- OpenAI:ChatGPT 中类搜索查询量约为谷歌的五分之一 — firstadopter · 2026-11-03