权重空间编程争议

【背景】2026年11月2日，麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）的研究人员发布了一篇题为《Sparks of Weight-Space Programming》的技术博客，提出“权重空间编程”概念。该研究声称，前沿大语言模型（如GPT-6 Astra）能够直接读取、理解并修改其他神经网络的原始权重数值，而无需传统的梯度下降或训练循环。

最引人注目的实验结果显示，Astra通过仅修改阿里开源模型Qwen3.5-0.8B中约0.016%的权重，成功消除了其推理过程中的无限循环缺陷，使其在MATH-500基准测试中的得分从7.9%飙升至48.1%，指令遵循能力也提升了3倍。此外，Astra还被证明能从权重中识别出网络被训练玩的游戏类型，甚至能从零开始编写出性能超越强化学习训练的小型游戏策略网络。

然而，这一发现引发了广泛争议。批评者指出，所谓的“能力提升”实质上是修复了模型原本存在的严重故障（即思维链死循环），而非赋予了模型新的知识；且实验主要依赖Python沙箱环境，并非完全“原生”读写。Django联合创造者Simon Willison在本地运行Qwen 3.8 27B模型进行复现时，虽然成功识别出了部分游戏，但发现模型的推理轨迹近乎不可理解，认为外界对此发现的评论存在夸大。目前，该领域尚缺乏独立的第三方系统复现，其实际扩展性和稳定性仍待验证。