MIT神作被锤：Astra爆改Qwen权重？就吹吧！
内容提要
spaCy作者Honnibal质疑MIT的Astra研究存在误导。论文称Astra仅观察原始权重即可修改模型，但实验条件差异巨大：小模型实验确实只读权重，而修复Qwen3.5-0.8B数学能力时，Astra需编程并最多进行50次前向测试，并非“读脑术”。Honnibal认为论文将两种能力包装成统一超能力，属偷换概念，但也承认AI能自主编写代码修改权重仍是重要工程突破，问题在于成果呈现方式夸大。
延伸解读
实验条件差异是争议核心
Honnibal指出，Astra在小模型实验（参数1.7万至17.2万）中确实只读权重，但修复Qwen3.5-0.8B时需编程并最多50次前向测试。两种实验条件天差地别，论文摘要却将二者包装成统一的“读脑术”，容易让读者误以为小模型能力可直接规模化到大模型。
工程突破仍值得肯定
尽管呈现方式受质疑，Honnibal也承认，让AI自主编写代码分析并修改网络权重，是重要工程进步。一两年前的模型无法完成此类任务，如今顶尖大模型已具备复杂工具使用和推理能力，能作为“AI工程师”诊断修复其他模型，这一价值不应被争议掩盖。
警惕AI研究中的夸大包装
此事反映AI圈Hype狂潮：将不同能力模糊包装成统一“超能力”，虽能吸引眼球，却易误导公众。读者面对刷屏研究时，应关注实验条件与结论的对应关系，区分“演示效果”与“通用能力”，避免被摘要中的惊人数字带偏。
Q&A
MIT的Astra研究到底做了什么，为什么会被质疑？
Astra研究宣称能直接修改AI模型权重，例如仅修改Qwen3.5-0.8B的0.016%权重就将数学成绩从7.9%提升至48.1%。但spaCy作者Honnibal质疑其存在误导，因为论文将两种不同实验条件的能力包装成统一的“读脑术”，实际修复大模型时需要编程和多次前向测试，并非仅观察原始权重。
Astra在修复Qwen模型时具体是怎么操作的？
在修复8亿参数的Qwen模型时，Astra并非直接读取原始权重，而是被授权使用Python编程，并且最多可以进行50次前向测试。每次允许模型处理一批练习题，通过观察模型的表现来分析和修改权重。
Honnibal为什么说Astra论文偷换概念？
Honnibal指出，论文中识别小型网络等实验确实只读原始权重，但模型参数规模仅1.7万到17.2万；而修复Qwen大模型时却需要编程和多次测试。论文将这两种天差地别的实验条件模糊地包装成同一种“读脑”超能力，让读者误以为小模型上的方法能直接规模化应用到大模型，属于偷换概念。
Astra研究是否完全没有价值？Honnibal如何评价？
并非没有价值。Honnibal承认，即使剥离“读心术”光环，让AI模型被提示去设计并执行人类机器学习工程师才能完成的任务——编写代码分析甚至直接修改网络权重——本身就是一个巨大的进步。一两年前的AI模型在这些任务上都会失败，这体现了顶尖大模型已具备复杂的工具使用和推理能力。
Honnibal用舞台魔术的比喻说明了什么？
Honnibal用舞台魔术师表演同一戏法但每次使用不同隐藏手法的比喻，讽刺Astra论文的实验呈现方式：论文展示了三项不同能力，但摘要却给人“仅通过观察原始权重就能理解并修改另一个模型”的统一印象，就像魔术师让观众误以为只有一种技术，从而每次表演都似乎推翻了之前的假设。
这场争议反映了AI圈什么问题？
争议反映了AI圈存在的Hype（炒作）狂潮。论文将两种截然不同的能力模糊地包装成一种统一的、能够读写AI大脑的“超能力”，导致成果呈现方式夸大，容易误导公众和读者。
