研究提出权重空间编程：GPT-6 Astra 直接改写模型权重
热点事件持续更新
研究提出权重空间编程：GPT-6 Astra 直接改写模型权重
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究团队提出“权重空间编程”（Weight-Space Programming）方法，让语言模型 GPT-6 Astra 直接读取和生成其他模型的权重，无需逐步数学优化训练。Astra 仅改动 Qwen3.5-0.8B 全部权重的 0.016%，就使其 MATH-500 准确率从 7.9% 升至 48.1%，指令遵循从 21% 升至 62%。 在一项实验中，网络每轮最多进行 128 局练习、共 50 轮测试迭代，Astra 随后修正其权重，结果击败了用约 2000 万局训练的同规模模型。但思维循环未被完全消除：仍有三分之一回复触及最大文本长度，此前为 93%。对很少陷入此类循环的更小模型 Gemma 3 270M，Astra 未能带来可测量的提升。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 23:44
GPT-6 Astra 通过权重直接改写其他 AI 模型报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- The Decoder精选GPT-6 Astra 通过权重直接改写其他 AI 模型
研究团队提出 Weight-Space Programming 方法，让 GPT-6 Astra 直接读取和生成模型权重，无需逐步数学优化训练。Astra 仅改动 Qwen3.5-0.8B 的 0.016% 权重，就使 MATH-500 准确率从 7.9% 升至 48.1%，指令遵循从 21% 升至 62%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。