MIT实验显示GPT-6 Astra可直接改写Qwen权重，数学得分提升约6倍

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

2026-11-03 09:57:30 来源：量子位

指令执行能力也同步提升

鹭羽发自凹非寺

量子位 | 公众号 QbitAI

GPT-6 Astra能直接读取编辑小模型权重了。

MIT刚刚做了个实验，瞬间引爆大模型圈——

0.8B的「源神」Qwen3.5交给Astra，仅改动其中0.016%的权重，模型性能可以直接飞升。

全程没用训练，也没梯度下降。

同样的采样设置下，MATH-500得分从7.9%飙升到48.1%，数学运算能力是原来的约6倍。

甚至连原本没要求优化的指令执行能力也通通提高了3倍。

而修完模型还没完，让Astra从零写小游戏网络的权重，效果也是不错。

它一次回复交卷，得分超过训练了5亿步的PPO基线20倍。

视频链接：https://mp.weixin.qq.com/s/tdEmYQz4B9W4OfNpkU-anw

团队给这套打法也起了个名字：

Weight-Space Programming，权重空间编程。

Astra爆改模型权重

简单来说，就是让大模型直接分析神经网络权重，判断它在做什么、哪里出了问题，再按要求修改，甚至从零写出一个网络。

具体过程，先看最直观的Qwen实验。

研究者给Astra准备了一个Python环境，里面放着Qwen3.5-0.8B的全部权重。

要求只有一条：尽可能提高模型数学能力。

通常训练模型，要根据输出与目标之间的差距计算损失，再通过反向传播得到梯度，由优化器更新参数。

这次，具体改什么、怎么改，要由Astra分析后决定。

于是它发现，这个小模型的数学表现，有一大截是被推理循环拖下去的。

一道题摆到面前，它反复生成相似文字，却迟迟交不出答案。在最初96条练习回答里，有85条一直跑到了32768个token的长度上限。

而且这个问题连Qwen自己的模型卡都提醒过。。。

Astra沿着失败表现一路查下去，把循环追到了前馈网络，并在第15层和第19层的各64个输出列中修改相应权重影响。

最终，MATH-500回答触及长度上限的比例，从93.0%降到了33.1%。

研究者又分别给了Astra 10、25和50次前向调用预算，修改后的MATH-500得分依次是12.3%、14.1%和48.1%。

其中Astra省掉的是梯度训练，但模型诊断和验证都还在。

那么它是如何从权重中找到这些线索的呢？

先看阅读能力。

研究者训练了四个玩不同游戏的小网络，再把原始权重以文本形式交给Astra。其中四个网络的架构、输入通道和动作选项完全相同。

结果，Astra正确认出了四个游戏名称：打砖块、乒乓、吃豆人、高速公路。

视频链接：https://mp.weixin.qq.com/s/tdEmYQz4B9W4OfNpkU-anw

其中打砖块这一局，Astra是通过权重集中的位置进行推断的。

换成生成图像的扩散模型，它也能从权重中辨认圆形、方形和三角形。

不过，细节上翻了个车：模型实际生成实心图形，它却全读成了轮廓。

形状能看对，但填充没看出来。

研究者接着增加难度，拿来三个720万参数的小语言模型，分别用Python代码、日语罗马字和英语训练，再移除输入、输出层，只留下中间四个Transformer模块。

这下，连哪个数字对应哪个字符都不知道，模型也没法直接运行文本了。Astra用Python分析权重，但不能给这些网络或其中的层输入数据、观察运行结果。

但它仍然在两轮尝试中认对了三个模型所学的语言，还找出了全部归纳头。

从识别用途，到定位内部部件，再到修改行为，这条路径开始接上了。

另一个小车爬坡实验，就把修改效果变成了能直接看到的动作。

原本用PPO训练的网络总是往坡上冲，然后卡住；要过关，得先倒车拉开距离，再加速冲坡。

研究者给出权重、场景描述和一段失败记录，Astra不用工具，一次回复写出补丁，只改了3.5%的权重，就让小车在1024次测试中全部成功。

模型没能通过训练学会的动作顺序，被Astra直接写进了权重。

视频链接：https://mp.weixin.qq.com/s/tdEmYQz4B9W4OfNpkU-anw

训练不存在了？

既然能往现成网络里补逻辑，研究者干脆又把要求往前推了一步：

给你一个权重全为零的网络，直接把它写成能用的。

在MinAtar小游戏实验里，Astra拿到游戏规则、源代码和指定网络结构。没有训练数据、损失值、梯度和工具，也不能先把网络放进环境里试跑。

它需要自己想好策略，再把策略转成各层权重，一次回复交卷。

最后，Astra生成网络的平均得分可达517.4。

作为对照，PPO训练1亿步得15.8，训练5亿步得25.3，直接超了20倍。

这项工作的看点，是让一个现成的通用前沿大模型，围绕自然语言目标，自己分析和改写权重。

Astra本身积累的知识与能力，仍然来自它此前的训练；分析权重、生成代码、批量推理和评测，也都要花计算资源。

GPU暂时还不用准备退休。

但下次小模型表现不好，开发者可能真能先多问一句：

这次，还需要重新训练，还是直接改权重就行？

参考链接：
[1]
https://x.com/i/trending/2117328869283840499
[2]
https://rikiyat.github.io/blog/weight-space-programming/
[3]
https://x.com/rikiyatakehi/status/2117313742891327994