X 热议：MIT 团队称 GPT-6 Astra 能直接读写神经网络权重，只改 Qwen3.5-0.8B 的 0.016% 权重让 MATH-500 从 7.9% 升到 48.1%

核心背景与行业痛点

过去几年，大模型被用来优化提示词、Agent 框架，甚至训练代码和超参数，但神经网络权重本身一直只能交给 Adam、Muon 这类优化器靠梯度下降去改，人几乎不可能「手写」或「读懂」一堆浮点数。11 月 2 日，MIT CSAIL 博士生 Rikiya Takehi 在 X 上发布团队博客，声称这条界线开始松动，帖子迅速成为当天 AI 圈最热的讨论之一。作者团队包括 Jayden Teoh、Alex Zhang 和 MIT 助理教授 Omar Khattab（DSPy 作者）。

架构亮点与底层机制

他们把方法叫作「Weight-Space Programming（权重空间编程）」：让通用大模型 GPT-6 Astra 以自然语言目标为准，直接阅读、修复或从零写出网络权重，不经过梯度，也不允许它写训练循环。小网络直接把权重当文本塞进提示词；大网络（如 148 万参数的 9×9 围棋网络、Qwen3.5-0.8B）则给 Astra 一个只能读写张量、不能随意运行网络的 Python 沙盒，并限制前向推理次数。博客称 Astra 能仅凭权重判断策略网络在玩哪款游戏、扩散模型画的是什么形状。

权威 Benchmark 与实测跑分对比

以下全部是作者自报、尚未独立复现的数字。Qwen3.5-0.8B 实验中，50 次前向预算下 Astra 只改 131,072 个权重（0.016%），MATH-500 从 7.9% 升到 48.1%，IFEval 从 21.0% 升到 62.3%，触及 token 上限的回答从 93.0% 降到 33.1%，原因是修复了 Qwen 模型卡本就提醒的思考死循环。MinAtar 实验中，Astra 一次写出的 Breakout 网络得 517.4 分，5 亿步 PPO 为 25.3；但 Seaquest 只有 53.1，低于 PPO 的 88.9。作者也写明，在很少死循环的 Gemma 3 270M 上，编辑没能让 MATH-500 提升超过约 1 个点。

开发者实战落地与开箱指南

目前没有可直接调用的工具，能看的是博客和 GitHub 上公开的全部日志（提示词、Astra 的回复与推理摘要、它跑过的代码和评测）。想动手的开发者可以从日志里的小网络实验入手，用自己能调用的前沿模型复现「读权重识别任务」。需要冷静看待：这是单篇博客、单个闭源模型、主要是小模型；Qwen 的大幅提升主要来自修 bug 而非新增数学能力。X 上 Ethan Mollick 等人的态度是「很重要，但先等复现」。