MIT提出权重空间编程：前沿大模型可直接读写并生成网络权重
まずこの件を把握する
2026年11月，麻省理工学院（MIT）研究团队提出“权重空间编程”（Weight-Space Programming），发现前沿大语言模型在无梯度与无环境反馈的情况下，具备原生读取、分析并直接修改神经网络权重的能力。实验中，GPT-6 Astra在无需传统训练与梯度下降的情况下，通过定位并修改Qwen3.5-0.8B前馈网络中约0.016%的权重，成功解决推理循环问题，使其在MATH-500测试中的得分从7.9%提升至48.1%，提升超6倍。后续报道进一步指出，该研究还展示了大模型具备从原始权重识别网络用途的能力，并能直接从零生成MinAtar小游戏网络权重（得分达517.4，超过训练5亿步的PPO基线20倍）。
AI が報道をもとに生成 · 4 時間前 更新
報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
- AITNT · AI头条MIT 探索权重空间编程：让大模型直接修改 Qwen 权重提升数学能力
研究人员提出权重空间编程方法，让大模型在无需梯度下降和传统训练的情况下直接分析并修改神经网络权重，使 Qwen3.5-0.8B 的 MATH-500 得分从 7.9% 提升至 48.1%。该方法通过大模型诊断前馈网络中的推理循环并仅改动 0.016% 权重，同时展示了从原始权重识别网络用途以及从零编写小游戏网络权重等能力。
- IT之家 · AI 筛选MIT 提出权重空间编程：GPT-6 Astra 仅修改 Qwen3.5-0.8B 约 0.016% 权重使数学成绩提升 6 倍
麻省理工学院研究人员提出权重空间编程方法，通过让 GPT-6 Astra 在无需梯度下降的情况下直接修改 Qwen3.5-0.8B 约 0.016% 的权重，使其在 MATH-500 测试中的成绩从 7.9% 提升至 48.1%。
- 量子位厳選MITが「重み空間プログラミング」を提案：GPT-6 AstraがQwen3.5の重みを直接分析・編集して性能向上
MITの研究チームは「重み空間プログラミング（Weight Space Programming）」手法を提案し、フロンティアモデル「GPT-6 Astra」が勾配学習を伴わずに他のニューラルネットワークの重みを直接分析・改変できるようにした。実験においてAstraは、Qwen3.5-0.8Bのフィードフォワードネットワークにおける0.016%の重みを特定して修正することで推論のループ問題を解消し、MATH-500のスコアを7.9%から48.1%へと引き上げた。さらに、Astraはミニゲーム「MinAtar」用のネットワークの重みをゼロから直接生成し、スコア517.4を記録。これは5億ステップ学習させたPPOベースラインの20倍を超える水準だ。
- Buzzing HN · 中文精选厳選重み空間プログラミング：LLMがニューラルネットワークの重みを直接読み書きし、Qwen3.5-0.8Bを最適化可能に
研究チームは「重み空間プログラミング（Weight-Space Programming）」を提案し、最先端の大規模言語モデルが勾配や環境フィードバックのない状況下でも、ニューラルネットワークの重みをネイティブに読み取り、直接改変できることを明らかにした。
このストーリーのホット度の推移
現在のホット度 33·比較可能範囲のピーク 36（11月3日 13:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。