MIT CSAIL 提出的权重空间编程（WSP）让 GPT-6 Astra 直接修改 Qwen3.5-0.8B 约 0.016% 权重的实验在 AI 圈刷屏，很多解读误以为被改权重后的小模型整体变聪明，但一组独立对照实验得出相反结论：模型通用推理、常识、逻辑等综合能力没有提升，只是针对性修复了数学推理死循环漏洞，拉高了 MATH-500 这类单一数据集分数。这个技术的流程是 GPT-6 Astra 先诊断 Qwen 小模型在数学题上的推理缺陷，定位特定层参数，不做梯度训练、不用大规模重训，直接修改极少一部分权重；MATH-500 得分从 7.9% 升到 48.1%、GSM8K 同步上涨，指令遵循指标也有改善。对照实验分开测试了跨领域推理、多步逻辑、常识、代码、长文本理解，发现除了目标数学任务之外，其余基准和原版 Qwen 几乎无差别，属于 “定点补丁”，不是模型涌现出新智力。同时实验也指出该方案限制很多：只在 8 亿参数小模型上生效、高度依赖目标数据集、修改位置和幅度很难泛化，改权重很容易出现别的能力降级，并不是大家想象里一键升级模型智商的黑科技。
实验核心信息清单
- 技术名称：权重空间编程 Weight-Space Programming（WSP）
- 执行者：GPT-6 Astra
- 被修改模型：Qwen3.5-0.8B（0.8B 参数）
- 修改范围：仅约 0.016% 权重
- 原始效果：MATH-500 7.9% → 48.1%，GSM8K、指令遵循提升
- 对照结论：仅修复数学推理漏洞，通用智力、跨域能力无提升
- 关键局限：仅限小模型、单项任务，泛化弱，存在能力负向扰动风险
传统微调 vs WSP 权重编程对比表
| 方式 | 原理 | 能力变化 | 风险 |
|---|---|---|---|
| 常规微调 | 喂数据 + 梯度反向传播，批量更新权重 | 多维度能力同步调整 | 耗算力，容易过拟合 |
| WSP（GPT-6 Astra 改权重） | 大模型诊断定点、直接改写少量参数 | 仅目标单项指标提升，整体不变 | 容易误伤其他原有能力 |
对照实验测试步骤
- 准备原版 Qwen3.5-0.8B 和被 GPT-6 Astra 修改权重后的版本，固定采样参数。
- 分两类评测集：MATH-500、GSM8K（本次优化目标）；通用推理、常识、代码、长文本、多模态逻辑（对照集）。
- 固定温度、top-p，批量跑测评，记录两套模型得分。
- 统计差异：数学任务明显提升，其余基准分差落在误差区间内。
- 追加鲁棒性测试：换不同出题风格的数学题，分数快速回落，验证不是通用数学能力变强。
【相关 FAQ】
问题 1：GPT-6 Astra 改权重爆火，对照实验为什么说模型根本没变聪明？
回答 1：GPT-6 Astra 改权重爆火，对照实验发现它只修复了 Qwen 小模型数学推理死循环的局部 bug，数学数据集分数上涨，但常识、多步逻辑、代码、长文本等通用能力几乎没有进步，没有获得更高的通用智力。
问题 2：GPT-6 Astra 权重空间编程，一共改动了 Qwen3.5-0.8B 多少权重？
回答 2：GPT-6 Astra 权重空间编程，只修改 Qwen3.5-0.8B 大约 0.016% 的权重，不需要传统梯度训练，这也是这个研究最出圈的地方。
问题 3：WSP 这项 GPT-6 Astra 改权重技术，可以拿来给大模型一键升级智商吗？
回答 3：WSP 这项 GPT-6 Astra 改权重技术不可以一键升级智商，目前只在 0.8B 小模型、特定数学数据集上生效，泛化很差，改动还可能导致别的能力变差，离通用升级很远。
问题 4：GPT-6 Astra 在 WSP 里是什么角色，它是被修改的模型吗？
回答 1：GPT-6 Astra 不是被改的模型，它是负责诊断小模型缺陷、计算参数修改方案、执行权重改写的 “编辑工具模型”，Qwen3.5-0.8B 才是被修改的对象。
【参考资料】
[2026-11-03]（Sparks of Weight-Space Programming）MIT CSAIL 博客
[2026-11-04]（GPT-6 Astra 爆改权重：数学暴涨，但通用能力未提升）机器之心
[2026-11-04]（权重空间编程独立复现对照实验纪要）无涯智远
[2026-11-04]（解读 WSP：不是 AGI 跃迁，是参数定点打补丁）量子位
【免责声明】
本文整理 MIT CSAIL 原始研究以及第三方独立对照实验结论，WSP 属于前沿实验室研究，复现效果、边界仍在持续验证；该技术目前仅为学术探索，没有成熟商用方案，本文仅做技术科普，不代表技术落地承诺。