前沿 LLM 被证实能原生读取并写入神经网络权重

Reddit 社区转述了一篇关于“权重空间编程”的研究，指出前沿大语言模型具备直接读取和写入神经网络权重的能力，且表现远超人类或传统算法预期。该研究以 GPT-6 Astra 为例，表明仅凭原始权重即可推断网络训练目标，无需环境反馈即可从零构建小型博弈网络，其性能甚至优于经过 1 亿步 PPO 训练的网络。

这一发现的核心证据在于模型对权重数据的原生处理能力：它不仅能解析权重结构以理解功能，还能直接生成有效的权重矩阵。这种能力并非针对特定任务优化，而是模型内生的特性。原文强调这是人类无法做到的，且目前尚未被主流优化流程所利用。

事实层面确认了模型在权重操作上的潜力；推断层面认为这可能为模型优化和可解释性提供新路径；猜测层面涉及未来是否会出现基于权重直接编辑的自动化调优工具。若此能力被验证为通用，将挑战当前依赖梯度下降的训练范式，但具体实现细节和泛化范围仍需进一步观察。