跳到正文

Ethan Mollick Says Weight-Space Programming Claim Needs Replication

2篇报道 2个报道来源 11 小时前更新

中文版本尚未就绪 · 显示原文

先了解这件事

AI 综述

Ethan Mollick called a claim about editing model weights a big deal, while saying it still needs replication. The claim, posted by Rikiya Takehi, says GPT-6 Astra directly changed 0.016% of Qwen3.5-0.8B’s weights without gradients or training. The post says the edits fixed reasoning loops, improved math performance by up to 6x, and increased instruction following by 3x. Takehi calls the approach “Weight-Space Programming” and says frontier language models can read and write neural network weights. These results and broader claims are reported by Takehi; Mollick has not described them as independently confirmed.

AI 根据报道生成 · 6 小时前更新

接下来读什么

今日还有哪些重要变化通过五项核心价值观解读 OpenAI 更新后的 Model Spec

提到的模型

  • GPT-6 Astra综合榜第 3每百万 Token 输入 $10 / 输出 $50

报道时间线

沿着报道,了解事件的不同侧面。

11月3日
  1. 研究人员介绍用于编辑神经网络权重的权重空间编程

    MIT CSAIL 的四位研究人员在一篇博客中介绍了权重空间编程:GPT-6 Astra 无需训练或梯度,直接编辑了 Qwen3.5-0.8B 的权重。研究人员报告称,在 Astra 使用 50 道练习题解决反复出现的推理循环后,修改 0.016% 的权重使 MATH-500 准确率从 7.9% 提高到 48.1%。他们还报告称,在游戏网络上的结果喜忧参半,并表示这些发现尚未经过独立复现。

  2. Ethan Mollick指出,关于权重空间编程的说法意义重大,但仍待复现

    在等待复现,不过这确实是件大事。 引用 @rikiyatakehi 的帖子:我们让 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重,以提升数学能力。它直接改动的权重仅占 0.016%,修复了 0.8B 的推理循环问题,使数学能力最高提升 6 倍,指令遵循能力甚至提升 3 倍,而且没有使用梯度或进行训练。 我们称之为权重空间编程:前沿大语言模型现在可以原生读写神经网络权重!🧵 博客:https://rikiyat.github.io/blog/weight-space-programming/

每天一封,跟上 AI 的重要变化

模型发布、价格变化、算力进展,附原始来源。免费,确认后开始发送,随时一键退订。 看一份往期日报

本事件热度走势

可比范围当前
7
可比范围峰值
911月3日 09:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。