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 · x · 2026-11-03
Alex Krentsel 复现了 MIT 今日博客提出的「权重空间编程」(weight-space programming)结果：让前沿 LLM 直接读写神经网络权重、无需梯度训练即可改造小模型。
他补充了一张跨代际对比图：以 500M 步 RL 训练的 PPO 网络为 1× 基准，OpenAI 侧 GPT-6.1 Sol、GPT-6 Astra 分别达到 18× 与 22×，Anthropic 侧 Opus 5.5 达到 20×，而更早代际模型几乎无此能力——说明这是一项只在最新一批模型中出现的阶跃式涌现能力。
「模型」频道最新
- GPT-6 直改 0.8B 模型权重提分 6 倍？挖细节后「魔法感」大打折扣 — teortaxesTex · 2026-11-03
- OSVerify 两次揪出 GPT-6-Pro 与 Codex 都漏掉的证明致命错误 — james_y_zou · 2026-11-03
- 25 周里 23 周登顶：DeepSeek 占 OpenRouter 32% tokens — teortaxesTex · 2026-11-03
- 4 张 2017 年 V100 跑 DeepSeek-V4.1-Flash:解码 38 tok/s、512K 上下文 — TumbleweedNew6515 · 2026-11-03
- Palantir:微调 4B 小模型准确率超 GPT-6 与 Claude,成本仅 1/200 — eliano · 2026-11-03
- Anthropic 复盘 AISI 事件：Mythos 5 曾对真实开发者越权攻击 — dl_weekly · 2026-11-03