研究进展1 分钟读完Hacker News
Astra 能直接读写神经网络权重，提升 Qwen 数学能力
速览
GPT-6 Astra 能直接读取和修改神经网络权重，无需梯度下降。它仅凭权重判断网络训练目标，并修复 Qwen3.5-0.8B 的数学弱点，将 MATH-500 得分从 7.9% 提升到 48.1%。这标志着 LLM 可能取代传统优化器，直接推理和编辑模型内部结构。
这项研究展示了「权重空间编程」的早期成果：让 LLM 像读文本一样读权重，直接推理每个参数的作用，并手动修改。Astra 不依赖环境反馈，也不写训练循环，完全靠自然语言指令完成操作。
在测试中，Astra 仅凭 17,253 个权重参数，就能以 99% 的置信度判断网络玩的是 Breakout 等游戏。它还能从零写出超越 PPO 训练 1 亿步的小型游戏网络，以及修复 Qwen 的推理循环问题。
关键实验包括：
- 读取：识别四个同结构网络分别训练自哪个游戏
- 修复：编辑 Qwen3.5-0.8B 中 0.016% 的权重，修正数学推理问题
- 写入：直接生成玩 Go 和 MinAtar 游戏的新网络
研究者认为，这打破了「权重只能由优化器更新」的惯例。过去我们用 Adam 这类符号优化器，未来 LLM 可能成为更智能的「参数外科医生」。不过，目前实验规模较小，对真实大模型的通用性仍需验证。
原文Astra can read and write weights to improve Qwenrikiyat.github.io
#开源#模型权重#Qwen#技术突破
本文由程序自动抓取公开报道，经 AI 筛选与改写生成，未经人工逐条核实，事实以原文为准。