GPT-6 Astra无需重新训练即可编辑AI模型权重

研究人员称，GPT-6 Astra能够检查并修改神经网络内部的数值权重，而无需采用常规训练流程。在测试中，它识别出几个小型网络学到的内容，为游戏网络编写权重，还改动了一款语言模型的一小部分权重，以提高其数学成绩。

研究人员将这一方法称为“权重空间编程”（Weight-Space Programming）。Astra无需借助优化算法重新训练模型，而是在获得权重和目标后进行操作，有时还会使用编程工具，并根据测试运行结果获得反馈。研究人员称，他们不允许Astra编写训练循环。这些结果仍属于早期实验，不能证明该方法能在各种AI模型上可靠奏效。

Astra改动了什么？

在一项测试中，研究人员向Astra提供了小型语言模型Qwen3.5-0.8B的权重，并要求它提升模型的数学能力。Astra借助编程环境进行了50轮测试题，发现Qwen存在反复出现的“思考循环”问题，而Qwen的文档此前已对此发出警告。它修改了模型0.016%的权重。在另一组数学题中，模型的MATH-500得分从7.9%升至48.1%。它的指令遵循得分也从21%升至62%。

这项修复并不彻底：仍有约三分之一的回答达到最大文本长度，但这一比例已从修改前的93%降下来。Astra并未让另一款小型模型Gemma 3 270M取得可测量的提升；该模型本来就很少陷入此类循环。研究人员认为，Astra或许只是移除了妨碍Qwen展现已有能力的障碍，而非赋予模型原本不具备的能力。

Astra还为能玩三款简单电脑游戏的网络编写了权重。研究人员报告称，在Breakout中，Astra网络的平均得分为517，而经过训练的基准网络为25；但在另外两款游戏中，Astra的表现不及训练时间最长的版本。在9×9围棋测试中，Astra用50轮调整了一个约有150万个参数的网络，每轮最多进行128盘练习对局，并击败了一个规模相近、用约2000万盘棋局训练的模型。

前景可期，但仍处于早期阶段

研究人员还报告称，Astra能根据小型网络的原始权重，识别其目标是玩游戏、处理语言还是识别图像形状。在一项测试中，只有在研究人员还让它查看模型处理文本时关注的内容后，Astra才分辨出哪个模型经过训练，会一味认同用户。

据The Decoder报道，AI研究员Jürgen Schmidhuber称这一方法“早已过时”，并指出相关研究可追溯至20世纪90年代。研究员Omar Khattab回应称，早期研究超前于时代；如今的新进展在于，现代语言模型能够在自然语言和网络权重之间进行转换。研究人员列举了安全审计和针对性行为调整等潜在用途，但也表示仍需建立基准，系统评估这一方法。