AI图鉴

AI图鉴首页 › AI 资讯 › GPT-6 Astra 爆改 Qwen 权重真有那么神吗:权重空间编程 0.01

GPT-6 Astra 爆改 Qwen 权重真有那么神吗:权重空间编程 0.016% 参数的真相

来源:掘金 · 发布时间:11-03 · 由 AI图鉴每小时自动聚合

0.016% 权重、数学涨 6 倍——但真相是 Astra 只修好了一个推理循环 Bug,不是给模型加能力。附可跑的最小权重编辑代码,附三个质疑帮你判断该信几分。

核心结论:MIT CSAIL 团队确实让 OpenAI 的 GPT-6 Astra 直接读取并修改了阿里开源模型 Qwen3.5-0.8B 的权重,仅改动约 0.016% 的参数(131072 个),就把 MATH-500 数学成绩从 7.9% 提到 48.1%(约 6.1 倍),全程没有训练、没有梯度下降——这项「权重空间编程(Weight-Space Programming)」实验是真实的。但「真有网上说的那么牛吗」的答案要打个折:Astra 改掉的本质是修好了一个导致推理循环的 Bug,而不是凭空给模型加能力;对照组 Gemma 改不动、识别「谄媚模型」时读不懂权重,都说明这项能力目前既不稳定、也不通用,且研究尚未同行评审。该信的是「AI 能读懂并编辑神经网络的权重」这条路被首次走通;该质疑的是把它当成「改几个权重就能让模型变强」的万能神技。

目录

- 一句话结论

- 事件回顾(Event Recap):MIT 让 GPT-6 Astra 直接改 Qwen 权重

- 权重空间编程是什么(Weight-Space Programming)

- 关键数字(Key Numbers):0.016% 参数与 6 倍提升

- 它到底改了什么(What Was Fixed):修复推理循环

- 核心质疑一(Question 1):是能力提升,还是修好一个 Bug

- 核心质疑二(Question 2):对照组 Gemma 改不动说明什么

- 核心质疑三(Question 3):可复现性与实验设计问题

- 失败案例(Failure Case):读懂权重还不是稳定能力

- 完整可运行代码(Runnable Code):最小权重编辑演示

- 对照表:症状 → 原因 → 解法

- 判断收尾

1. 一句话结论

先建立一个直觉 🎭:权重空间编程像「给大脑做微创手术」——不重新上学(不训练),只是直接定位大脑里一根错连的神经(权重),用激光烧掉它(改 0.016% 参数),人的行为就正常了。但这里的关键区别是:手术只是修好了「本来会转圈」的毛病,并没有让你变得更聪明。

所以读这条新闻,记住三件事:

- 真实:实验是真的,0.016% 参数、7.9% → 48.1% 都是实打实的数字。

- 打折:提分主要来自「修复推理循环」,相当于拆掉一个卡住能力的锁,不是解锁后能力又涨了。

- 存疑:未同行评审、只有 OpenAI 模型能复现、换个模型就失灵,目前更像「初步火花(sparks)」,不是成熟技术。

一句话:AI 能编辑另一个 AI 的权重,这条路第一次被走通,但离「改几个参数就让模型变强」还很远。

2. 事件回顾(Event Recap):MIT 让 GPT-6 Astra 直接改 Qwen 权重

2026 年 11 月 2 日,MIT CSAIL(计算机科学与人工智能实验室)的四位研究者公布了一组实验:

- 他们让 OpenAI 的前沿模型 GPT-6 Astra 直接读取阿里开源模型 Qwen3.5-0.8B 的神经网络权重。

- Astra 检查内部权重后,找到了导致模型反复陷入推理循环(reasoning loop)的关键问题,然后直接修改权重修复它。

- 整个过程没有重新训练、没有梯度下降,只有编辑——这在「模型改进必须靠微调(fine-tuning)」的常识下,是一条全新的路。

消息一出立刻引爆大模型圈:0.8B 的开源小模型,被一个更大更强的模型「手把手」改权重,数学能力暴涨。这正是「AI 指挥 AI」从任务调度(我在agent为什么需要自进化:从静态模型到经验驱动的持续成长里聊过模型如何持续成长)深入到「AI 修改 AI 的神经网络本体」的一步。

事件参考资料:

- MIT让GPT-6 Astra直接修改Qwen权重,数学成绩飙升 -- 36氪

- MIT研究者提出「权重空间编程」:GPT-6 Astra仅修改Qwen3.5-0.8B约0.016%权重 -- IT之家

3. 权重空间编程是什么(Weight-Space Programming)

这是整件事的技术核心,值得拆开讲。

传统路线:SFT 微调(supervised fine-tuning,监督微调)——拿一批标注数据,跑反向传播更新权重。在同样的模型为什么本地和云API差别那么大:量化精度、聊天模板与采样参数的三大元凶中我们讲过,权重在推理时还会被量化压缩、改变行为——而微调的本质是「重新上学」,代价是要数据、要算力、要训练流程。

新路线:权重空间编程(Weight-Space Programming)——把「模型权重」本身当成「程序」来读写:

- 读:Astra 把 Qwen 的权重张量当作数据直接查看,分析神经元之间的连接模式。

- 诊断:在权重空间里定位「导致问题的区域」,比如某个神经元组合让模型陷入循环。

- 写:只修改定位到的少量权重值,让行为改变,不跑梯度、不更新全局。

打个比方 🎭:SFT 是「把整本书重写一遍来修正错字」,权重空间编程是「只找出错的几页,用笔直接改」——前者动辄改全本,后者只动千分之几。

作者给它起名「Program-as-Weights」(程序即权重)的延续思路,核心哲学是:神经网络的权重不是不可解释的黑盒,而是可以被另一个模型读写的「可编程空间」。参考其后续工作,这一范式称为 fuzzy-function programming(模糊函数编程)。

技术参考资料:

- Sparks of Weight-Space Programming: LLMs can natively read & write neural network weights -- 作者博客 ⭐值得阅读

4. 关键数字(Key Numbers):0.016% 参数与 6 倍提升

这是新闻里最抓眼球的部分,全部来自作者公开的实验数据(截至 2026-11-03,尚未同行评审,DOI 暂缺):

两个值得注意的点:

- 改动幅度极小:0.016% 意味着 8 亿参数里只动了 13 万,相当于一本 800 页的书只改了 1.3 页——这在传统训练里不可想象。

- 数学题是「被卡住」而不是「不会做」:GSM8K 从 13.8% 到 67.1% 的跳跃说明,模型本身会算,但推理循环让它「算不完」——修好循环后,已有能力释放出来了。

数字参考资料:

5. 它到底改了什么(What Was Fixed):修复推理循环

「改权重」听起来玄,但 Astra 到底修了什么,其实很清楚:它修复了一个让模型反复绕圈的推理循环(reasoning loop)。

- Qwen3.5-0.8B 的模型卡(model card)自己就警告过这个缺陷:模型在推理时容易陷入循环,一直重复生成同样的 token,直到撞上长度上限。

- Astra 在权重里定位到导致循环的神经元组合,直接编辑修复。

- 修复前,Qwen 有 93% 的答案会撞上 token 上限(也就是「卡死在循环里」);修复后循环消失,模型能把推理跑完。

这解释了为什么数学成绩暴涨:不是模型突然会做难题了,而是它终于能把本来会做的题「做完」了。这就像考试时被一道题卡住反复涂改、最后交白卷的考生——你帮他改掉「强迫症」这个毛病,他原来会的题自然能答出来。

⚠️ 这里有个重要推论:权重编辑移除的是「掩盖能力」的障碍,而不是添加模型本不具备的能力。这也是全文最该记住的一句话。

推理循环参考资料:

6. 核心质疑一(Question 1):是能力提升,还是修好一个 Bug

「6 倍提升」的标题很震撼,但社区很快提出一个直击要害的质疑:你提升的是「能力」,还是只是修好了一个 Bug?

质疑者的三个论据:

- 提分主要与减少循环有关:数学题从 7.9% 到 48.1% 的涨幅,大部分来自「能算完了」,而不是「算得更好」。

- 与已有方法相似:Astra 的思路和现有的「激活引导(activation steering)」方法相近——都是通过干预内部激活来改变行为,权重空间编程是它的更激进版本。

- 提示词已经暗示答案:作者给 Astra 的长提示词里明确提到「模型存在循环问题」,等于先告诉它「病在哪里」,再让它去修——这比「让它自己发现病灶」要容易得多。

因此有人提出一个必须做的对照实验:直接关闭 Qwen 的思考模式(关掉 reasoning),看看数学成绩能不能取得类似提升——如果调整推理设置就能大幅减少循环,那「改权重」的增量价值就要重新评估。

这个质疑没有摧毁实验,但把叙事从「能力暴涨」拉回「修复了一个已知缺陷」——两者在技术价值上完全不同。

质疑参考资料:

- GPT-6 Astra 爆改 Qwen 大脑:只动 0.016% 参数,数学成绩疯涨 -- 爱范儿

- 7.9% to 48.1%: LLM rewrote Qwen weights, no training -- DEV Community ⭐值得阅读

7. 核心质疑二(Question 2):对照组 Gemma 改不动说明什么

作者自己做了对照组实验,结果反而最有说服力——这个能力在「没有循环问题」的模型上失效了:

- 对照组用 Google 的 Gemma 3 270M,一个很少陷入循环的模型(只有 8.5% 的答案会撞上 token 上限,而 Qwen 是 93%)。

- Astra 对 Gemma 尝试编辑,最好的结果只让 MATH-500 提升了 0.9 分,作者自己都报告为「未确立(not established)」。

- 也就是说:当模型没有「循环」这个病可修时,Astra 的权重编辑几乎无效。

这个对照实验反而是全文最有信息量的一组数字:

- 它证实了「修循环」就是本次提分的主要机制——Qwen 有循环病 → 修好 → 暴涨;Gemma 没这个病 → 没东西可修 → 不涨。

- 它同时证伪了「改几个权重就能让任意模型变强」的说法——权重编辑不能无中生有地加能力。

对照实验参考资料:

8. 核心质疑三(Question 3):可复现性与实验设计问题

除了「修 Bug vs 提能力」,还有几项实验设计的硬伤,决定了现在不能把它当通用技术:

- 未同行评审、无 DOI:截至本文写作(2026-11-03),研究只是初步实验报告(preliminary findings),还没经过同行评审,数字未经第三方独立复现。

- 只用了一个模型做「编辑者」:所有实验的编辑方都是 OpenAI 的 gpt-6-astra,其他家的前沿模型(Claude、Gemini、DeepSeek 等)是否具备同样的「读懂权重」能力,完全未知。

- 采样设置不统一:公开日志显示,各实验的 reasoning-effort(推理努力程度)设置从 high、xhigh 到 max 不一——这意味着部分成绩提升可能掺杂了「更努力推理」的因素,不全是权重编辑的功劳。

这三条合起来,让「权重空间编程」目前更像**「一个模型身上观察到的一次现象」**,而不是「一条可复现的方法论」。

可复现性参考资料:

9. 失败案例(Failure Case):读懂权重还不是稳定能力

最能说明「这项能力不成熟」的,是作者自己记录的一处失败:

- 在识别「谄媚模型」(即会迎合用户观点、而不是给出真实回答的模型)的实验里,Astra 面对两个候选模型,只比较权重时无法作出判断。

- 直到作者允许 Astra 观察模型在特定文本上的注意力模式(attention pattern),它才识别出差异。

- 换句话说:「直接读懂权重」目前不是稳定、通用的能力——它在修循环这种「结构性缺陷」上有效,但在「判断模型性情」这种需要语义理解的场景上会失灵。

这个失败案例的重要性在于:它划定了本次实验的能力边界。权重空间编程不是「读心术」,而更像「结构工程师」——能看出哪根梁错位了(结构性故障),但看不出这栋楼主人的性格。

失败案例参考资料:

10. 完整可运行代码(Runnable Code):最小权重编辑演示

下面是一段复制粘贴就能跑的 numpy 代码,模拟权重空间编程的最小闭环:构造一个「会循环」的小网络 → 定位问题权重 → 直接编辑修复 → 输出对比。不依赖任何第三方库。

运行:python weight_edit_demo.py(只需 numpy)。

import numpy as np

# ---------- 构造一个小网络,模拟「推理循环导致输出退化」 ----------

def forward(x, W, b):

"""前向传播:线性层 + ReLU,返回输出"""

h = np.maximum(0, x @ W + b) # 隐藏层:ReLU 激活

return h.sum(axis=1) # 汇总成标量输出(模拟打分)

# 8 个输入特征 → 4 个隐藏神经元

X = np.random.randn(8, 8) # 8 个样本、8 维特征(固定随机种子下可复现)

W_bad = np.random.randn(8, 4) # 初始权重

b_bad = np.zeros(4) # 偏置

# 人为制造「循环病」:让第 2 号神经元的输入权重全部为 0,输出恒为 0(坏死)

# 对应真实场景里「某个神经元组合导致模型反复绕圈」

W_bad[:, 2] = 0.0

# ---------- 诊断:算出每个神经元的贡献,定位「病根」 ----------

def diagnose(x, W):

"""通过前向激活定位坏死神经元"""

act = x @ W # 每个神经元收到的输入信号

contribution = np.abs(act).mean(axis=0) # 平均激活强度

dead_idx = np.where(contribution < 1e-6)[0] # 激活几乎为 0 = 坏死

return dead_idx, contribution

dead, contrib = diagnose(X, W_bad)

print("坏死神经元索引:", dead) # 应输出 [2]

# ---------- 权重编辑:只重写坏死神经元的权重(模拟 Astra 直接改权重) ----------

W_fixed = W_bad.copy() # 复制一份,只改定位到的部分

np.random.seed(1) # 固定新权重

W_fixed[:, 2] = np.random.randn(8) # 只重写第 2 列(8 个参数,占全部 32 个的 25%)

# ---------- 对比修复前后输出 ----------

y_before = forward(X, W_bad, b_bad) # 修复前:坏死神经元贡献为 0,输出偏低

y_after = forward(X, W_fixed, b_bad) # 修复后:所有神经元正常激活

print(f"修复前输出均值:{y_before.mean():.3f} -> 修复后:{y_after.mean():.3f}")

# 结论:只改了 8 个参数,整个网络的输出分布就恢复健康(类比 Qwen 修循环)

怎么读这段代码:diagnose() 用「前向激活强度」定位坏死神经元——对应第 5 节「Astra 在权重里定位循环病灶」;W_fixed[:, 2] = np.random.randn(8) 只重写定位到的 8 个参数——对应「只动 0.016% 权重」的机制;修复前后输出均值的变化,就是「修好结构性缺陷后能力释放」的最小演示。真实场景的差别只在于:病灶是「循环」、规模是 131072 个参数、编辑者是 GPT-6 Astra 而已。

11. 对照表:症状 → 原因 → 解法

12. 判断收尾

什么时候该信这条新闻:作为「AI 能读懂并编辑神经网络权重」的首例证据,它值得关注——这可能是「模型可解释性」和「模型修复」的新入口,尤其在修「结构性缺陷」(循环、死锁、退化)这类问题上,比重训成本低几个数量级。什么时候该质疑:把它当成「改几个权重就能让任意模型变强」的神技、或急着复现到生产环境——目前它未同行评审、只在单一编辑模型上验证、无法添加模型本不具备的能力,成熟度离 SFT 差着十万八千里。判断标准只有一条:你要的是「修好一个已知的病灶」,还是「让模型学会新东西」——前者可以期待,后者还远。

本专栏《LLM 大模型技术专栏》从模型原理、训练后处理一路讲到推理优化与工程落地,每篇都配一段可直接运行的代码,每周更新一篇。想按顺序读完,可在专栏页订阅。

参考资料(综合):

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(juejin.cn)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 608 款 AI 工具分类导航 · 每日 AI 热门项目与动态