ニュース
社区讨论「权重空间编程」：用 LLM 直接读写模型权重
OpenAI 开发者社区出现一则讨论帖，称 MIT 研究者用 Astra 直接读取和编辑模型权重，无需优化或反向传播，并以 Qwen3.5-0.8B 为例称其数学能力得到改善。相关说法来自社区转述，尚待原始报告与官方确认。
社区帖称 LLM 可直接读写模型权重
OpenAI 开发者社区出现一则题为《Weight Space Programming（或如何用 LLM 直接写 LLM 权重）》的讨论帖。发帖者称，MIT 的研究者使用 Astra 直接读取和编辑模型权重，过程中不涉及优化或反向传播，仅通过 Python 读写权重。帖中将其类比为「手工直接读写 ELF 二进制文件」。发帖者还举例称，Astra 通过直接编辑权重，使已有模型 Qwen3.5-0.8B 在数学方面表现更好。
背景与潜在影响
发帖者自己也承认，直接修改权重并非全新能力，过去已有类似做法；其认为新意在于模型执行这类操作的熟练程度，以及可能达到的规模。若该方向成立，模型适配可能不再完全依赖训练流程，而是转向对权重本身的定向编辑。不过帖中未给出方法细节、评测设置或可复现步骤，相关效果目前仅为社区转述。
限制与来源
上述内容来自 OpenAI 开发者社区的一则用户帖，属于二手描述，尚未获官方确认，也未在素材中提供原始论文的完整数据。帖中提到的模型名称、能力改善幅度与适用范围均应以原始报告和官方发布信息为准。该帖附有报告链接，标题为《Sparks of Weight-Space Programming: LLMs can natively read & write neural network weights》，建议读者自行核对原文。