MIT CSAIL 提出“权重空间编程”：让 GPT-6 Astra 直接读取并修改神经网络权重，无需梯度训练。仅改动 Qwen3.5-0.8B 约 0.016% 的参数，MATH-500 成绩从 7.9% 升至 48.1%，GSM8K 从 13.8% 升至 67.1%。但分析指出，提升主要源于修复模型重复推理的缺陷，而非注入新的数学能力；对少循环的 Gemma 提升有限，方法通用性仍待验证。

MIT实验显示，GPT-6 Astra可直接读取并编辑小模型权重，无需训练或梯度下降。仅改动Qwen3.5-0.8B约0.016%的权重，MATH-500得分即从7.9%升至48.1%，指令执行能力提升约3倍。Astra还能识别网络用途、定位内部部件、修补行为，甚至从零构建可用网络，在MinAtar游戏中得分超PPO基线20倍。团队称此为“权重空间编程”，但分析与评测仍需算力。