MIT:GPT-6 Astra能直接修改Qwen权重,数学能力暴涨6倍
TL;DR · AI 摘要
MIT研究显示,GPT-6 Astra通过直接修改Qwen权重,无需训练即可使数学能力提升6倍。
核心要点
- 修改0.016%权重使Qwen数学得分从7.9%提升至48.1%
- Astra通过权重空间编程实现无需梯度下降的模型优化
- 从零编写小游戏网络权重得分超PPO基线20倍
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- GPT-6 Astra权重修改技术
- 实验方法
- Python环境分析权重
- 核心成果
- 数学能力提升6倍
- 无需训练优化
- 应用案例
- 小游戏网络编写
金句 / Highlights
值得收藏与分享的关键句。
修改0.016%权重使Qwen数学得分从7.9%提升至48.1%
Astra通过权重空间编程实现无需梯度下降的模型优化
从零编写小游戏网络权重得分超PPO基线20倍
MIT:GPT-6 Astra能直接修改Qwen权重,数学能力暴涨6倍 – 量子位
扫码关注量子位
<div class="top_search"> <form role="search" method="get" class="search-form" action="https://www.qbitai.com/" id="search"> <label> <input type="search" class="search-field" placeholder="搜索…" value="" name="s"> </label> <button type="submit" class="search-submit"></button> </form> </div>
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
articlead begin
articlead end
MIT:GPT-6 Astra能直接修改Qwen权重,数学能力暴涨6倍
鹭羽
2026-11-03
09:57:30
来源:
量子位
摘要样式
指令执行能力也同步提升
鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI
GPT-6 Astra能直接读取编辑小模型权重了。
MIT刚刚做了个实验,瞬间引爆大模型圈——
0.8B的「源神」Qwen3.5交给Astra,仅改动其中 0.016% 的权重,模型性能可以直接飞升。
全程没用训练,也没梯度下降。
同样的采样设置下,MATH-500得分从7.9%飙升到48.1%,数学运算能力是原来的约 6倍 。
甚至连原本没要求优化的指令执行能力也通通提高了3倍。
而修完模型还没完,让Astra 从零写小游戏网络的权重 ,效果也是不错。
它一次回复交卷,得分超过训练了5亿步的PPO基线20倍。
视频链接:https://mp.weixin.qq.com/s/tdEmYQz4B9W4OfNpkU-anw
团队给这套打法也起了个名字:
Weight-Space Programming,权重空间编程。
Astra爆改模型权重
简单来说,就是让大模型直接分析神经网络权重,判断它在做什么、哪里出了问题,再按要求修改,甚至从零写出一个网络。
具体过程,先看最直观的 Qwen实验 。
研究者给Astra准备了一个Python环境,里面放着Qwen3.5-0.8B的全部权重。
要求只有一条:尽可能提高模型数学能力。
通常训练模型,要根据输出与目标之间的差距计算损失,再通过反向传播得到梯度,由优化器更新参数。
这次,具体改什么、怎么改,要由Astra分析后决定。
于是它发现,这个小模型的数学表现,有一大截是被 推理循环 拖下去的。
一道题摆到面前,它反复生成相似文字,却迟迟交不出答案。在最初96条练习回答里,有85条一直跑到了32768个token的长度上限。
而且这个问题连Qwen自己的模型卡都提醒过。。。
Astra沿着失败表现一路查下去,把循环追到了 前馈网络 ,并在第15层和第19层的各64个输出列中修改相应权重影响。
最终,MATH-500回答触及长度上限的比例,从93.0%降到了33.1%。
研究者又分别给了Astra 10、25和50次前向调用预算,修改后的MATH-500得分依次是12.3%、14.1%和48.1%。
其中 Astra省掉的是梯度训练 ,但模型诊断和验证都还在。
那么它是如何从权重中找到这些线索的呢?
先看阅读能力。
研究者训练了四个玩不同游戏的小网络,再把原始权重以文本形式交给Astra。其中四个网络的架构、输入通道和动作选项完全相同。
结果,Astra 正确认出了 四个游戏名称:打砖块、乒乓、吃豆人、高速公路。
其中打砖块这一局,Astra是通过 权重集中的位置 进行推断的。
换成生成图像的扩散模型,它也能从权重中辨认圆形、方形和三角形。
不过,细节上翻了个车:模型实际生成实心图形,它却全读成了轮廓。
形状能看对,但填充没看出来。
研究者接着增加难度,拿来三个720万参数的小语言模型,分别用Python代码、日语罗马字和英语训练,再移除输入、输出层,只留下中间四个Transformer模块。
这下,连哪个数字对应哪个字符都不知道,模型也没法直接运行文本了。Astra用Python分析权重,但不能给这些网络或其中的层输入数据、观察运行结果。
但它仍然在两轮尝试中认对了三个模型所学的语言,还找出了全部 归纳头 。
从识别用途,到定位内部部件,再到修改行为,这条路径开始接上了。
另一个小车爬坡实验,就把修改效果变成了能直接看到的动作。
原本用PPO训练的网络总是往坡上冲,然后卡住;要过关,得先倒车拉开距离,再加速冲坡。
研究者给出权重、场景描述和一段失败记录,Astra不用工具,一次回复写出补丁,只改了3.5%的权重,就让小车在1024次测试中 全部成功 。
模型没能通过训练学会的 动作顺序 ,被Astra直接写进了权重。
训练不存在了?
既然能往现成网络里补逻辑,研究者干脆又把要求往前推了一步:
给你一个权重全为零的网络,直接把它写成能用的。
在MinAtar小游戏实验里,Astra拿到游戏规则、源代码和指定网络结构。没有训练数据、损失值、梯度和工具,也不能先把网络放进环境里试跑。
它需要自己想好策略,再把策略转成各层权重,一次回复交卷。
最后,Astra生成网络的平均得分可达 517.4 。
作为对照,PPO训练1亿步得15.8,训练5亿步得25.3,直接超了 20倍 。
这项工作的看点,是让一个现成的通用前沿大模型,围绕自然语言目标, 自己分析和改写权重 。
Astra本身积累的知识与能力,仍然来自它此前的训练;分析权重、生成代码、批量推理和评测,也都要花计算资源。
GPU暂时还不用准备退休。
但下次小模型表现不好,开发者可能真能先多问一句:
这次,还需要重新训练,还是直接 改权重 就行?
参考链接: [1] https://x.com/i/trending/2117328869283840499 [2] https://rikiyat.github.io/blog/weight-space-programming/ [3] https://x.com/rikiyatakehi/status/2117313742891327994
版权声明
版权所有,未经授权不得以任何形式转载及使用,违者必究。
AI
模型权重
作者文章列表
- 央视严选「中国AI创业十骏」:唯一AI制药公司是清华系 2026-11-02
- 多智能体协同重构医疗AI!清华AIR孵化:医生AI分身“坐诊”医院 2026-10-21
- RSI三块关键拼图,MemT 1.0从模型层补上「记忆」 2026-10-20
- 突发!DeepSeek新模型发布,超级性价比斩杀一切 2026-10-17
左侧分享
扫码分享至朋友圈
相关阅读 start
相关阅读
#### “我们AI预测总统,比人类民调专家强多了”
剧情跌宕起伏,仍然成功预测获胜者
萧箫
2020-11-09
人工智能公司
美国总统
群体智能
#### GPT-4写代码能力提升21%!MIT新方法让LLM学会反思,网友:和人类的思考方式一样
Pine
2023-03-26
GPT-4
#### AI独角兽思必驰再获4.1亿投资,产业基金纷纷加持,近三年业务复合增长300%
雷刚
2020-04-07
思必驰
独角兽
苏州
语音
#### “留给人类阻止AI的时间不多了”
AI有可能终结我们所有人
henry
2026-09-19
对齐
#### AI倒查论文100年!99.2%的顶刊都有问题...
科研人快来啊,天上掉选题了
听雨
2026-08-10
#### 无需外部数据!AI自问自答实现推理能力进化
带有强化学习的GAN
时令
2025-08-08
相关阅读 end
热门文章 start
热门文章
#### 刚刚,DeepSeek重磅开源:Agent底座架构!
2026-10-31
#### 刚刚,Gemini 4 Carbon全面超越Opus 5.5!首发Token半价
2026-10-29
#### Physical RSI第一站!便利店打工“人”自己进化,物理AI飞轮启动了
2026-10-27
#### 榜一,拿来吧你!智元这波双模型杀穿多榜榜单
2026-10-30
#### Claude紧急叫停!暗改Harness禁止逆向游戏
2026-11-01
<form role="search" method="get" class="search-form" action="https://www.qbitai.com/"> <label> <span class="screen-reader-text">搜索:</span> <input type="search" class="search-field" placeholder="搜索…" value="" name="s" /> </label> <button type="submit" class="search-submit"><span class="screen-reader-text">搜索</span></button> </form>
热门文章 end
底部版权
- 关于量子位
- 加入我们
- 寻求报道
- 商务合作
<a href="/?page_id=183"target="_blank"><i class="weixin_icon"></i></a>
追踪人工智能新趋势,报道科技行业新突破
<p>量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1</p>
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1