# \#MIT\#\#大模型权重\#\#gpt-6astra\# GPT-6 Astra能直接读取编辑小模型权重了

- 原标题：\#MIT\#\#大模型权重\#\#gpt-6astra\# GPT-6 Astra能直接读取编辑小模型权重了
- 类型：博客
- 来源：mp.weixin.qq.com
- 发布时间：未知（待核验）
- 首次精选：2026-11-03 21:30
- 分级：值得看
- 是否付费：免费（全文公开可读）
- 预估学习时长：约 4 分钟（按全文字数估算）
- 学习层级：深入
- 主题：[model-interpretability](<https://oplearnx.com/md/topics/model-interpretability.md>)（第 14 位）、[neural-model-foundations](<https://oplearnx.com/md/topics/neural-model-foundations.md>)（第 63 位）
- 原文链接：[https://mp.weixin.qq.com/s/tdEmYQz4B9W4OfNpkU-anw](<https://mp.weixin.qq.com/s/tdEmYQz4B9W4OfNpkU-anw>)
- 本站页面：[https://oplearnx.com/resources/pk\_98e622d10bae](<https://oplearnx.com/resources/pk_98e622d10bae>)

## 摘要

量子位公众号文章，介绍 MIT 的一项实验：让 GPT-6 Astra 在 Python 环境中直接分析和修改 Qwen3.5-0.8B 的权重，只改动约 0.016% 的权重，在未使用训练和梯度下降的情况下，MATH-500 得分从 7.9% 提升到 48.1%，指令执行能力也有所提升；此外还让 Astra 从零写出小游戏网络权重，与训练了 5 亿步的 PPO 基线作比较。团队把这一做法称为 Weight-Space Programming（权重空间编程），文中描述了 Astra 发现该模型数学表现受推理循环拖累的过程。

---
来源：LearnMap · 学径（https://oplearnx.com）