AI 直接编程神经网络权重？MIT 提出权重空间编程新概念

过去 AI 编程的思路，是让大模型动手写代码。但 MIT CSAIL 最近的一项研究，可能正在打开一个更惊人的方向：让大模型直接读写神经网络的权重。

这项研究提出了一个新概念——Weight-Space Programming（权重空间编程）。

研究团队发现，前沿大模型 GPT-6 Astra 已经能做到以下几件事：

• 读懂权重：不运行模型，仅凭分析权重，就能判断一个神经网络学会了什么，甚至识别 Transformer 中特定注意力头 的功能。
• 修复网络：直接修改权重，让原本无法完成任务的游戏 AI 成功率从 0% 拉升到 100%。
• 从零编写网络：不依赖训练数据和梯度下降，直接生成神经网络权重，在多个游戏中击败训练了上亿步的 PPO 模型。
• 改进大模型：仅修改 Qwen3.5-0.8B 的 0.016% 权重，就把 MATH-500 成绩从 7.9% 提升到 48.1%，IFEval 性能更是接近原来的 3 倍。

最让人意外的是最后一项实验。AI 不再只是调学习率、改训练代码，而是像程序员修改源码一样，直接定位神经网络内部的问题，并精准调整它的「大脑」。

当然，这仍是早期研究，能力边界也很明显。但它抛出了一个值得认真思考的问题：

如果 AI 不仅能编写程序，还能直接理解、修改甚至创造神经网络本身，机器学习的开发范式会不会迎来一次根本性改变？

论文：Sparks of Weight-Space Programming（MIT CSAIL，2026）