事实速览|MIT CSAIL 四位研究者于 11 月 2 日发布《Sparks of Weight-Space Programming》，用 GPT-6 Astra 把神经网络权重当作文本读取并直接编辑、无需优化器：修复一个从未成功的控制策略(编辑 3.5% 权重后 1024/1024 回合成功)、从全零权重写出 Breakout 玩家(517.4 分，PPO 基线 25.3 分)、把 Qwen3.5-0.8B 在 MATH-500 上从 7.9% 提升到 48.1%(编辑 131072 个权重，占 0.016%)。
技术视角|没有损失函数、没有梯度步，用自然语言作为「规格说明」改写权重，把训练重新表述为推理驱动的搜索;作者也坦承这是博客而非同行评审论文，单次运行、小样本，部分实验允许有限次前向传播来校验结果。
商业视角|如果权重可被「读出意图并定点修改」，模型定制、缺陷修复与安全对齐的成本结构会变;但当前结果集中在小模型和小游戏策略网络上，距离替代训练流程或影响大厂算力开支还非常远。
用户/研究者视角|失败案例同样有信息量——模型无法从权重中识别「谄媚式微调」，也无法提升 Gemma 3 270M 的数学能力，作者据此认为编辑能移除障碍、但不能凭空补上缺失技能;这为可解释性研究提供了一条有数字、日志和开放模型的可复现路径。
监管/争议视角|能读权重意味着能推断训练数据与微调意图，模型权重作为「商业秘密」的边界被重新讨论;能写权重也意味着一种不经过训练管道、难以被现有审计发现的模型篡改方式，对模型来源追溯与供应链安全提出新问题。
免责声明：本文仅代表作者个人观点，与每日科技网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
本网站有部分内容均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，若因作品内容、知识产权、版权和其他问题，请及时提供相关证明等材料并与我们联系，本网站将在规定时间内给予删除等相关处理.
