新研究让大模型直接读写神经网络权重，绕过传统训练流程
来源标题：[AINews] LLMs can read & write neural network weights: "Weight Space Programming" cuts Autoresearch out of the RSI loop
研究者提出「Weight Space Programming」方法，让智能模型直接读取并编辑较笨模型的权重，无需编写训练代码。演示中通过编辑 Qwen 的权重来减少其推理循环。该工作将模型自主训练从传统写代码、跑实验的流程中解放出来。
以下正文由 AI 翻译自 Latent Space（原文版权归原站所有），可能存在偏差，重要内容请以原文为准。
在AI/科技市场持续深陷熊市（颇具黑色幽默意味）之际——Anthropic债券被评为“垃圾”级，OpenAI融资消息占据头条——我们依然在社区中不断看到令人惊讶的能力发现，比如今天这一项。
要为今天这篇重磅论文提供背景，最好的方式是回顾仅仅8个月前Karpathy的autoresearch，它预示了一个充满递归自我改进恐惧的夏天：
抽象地说，这项演示表明，你可以拿一个足够聪明的模型，通过在一个计算集群上运行一系列实验，在无需人类专业知识或干预的情况下自主训练一个模型。然而，这通常需要经历一个繁琐的过程：编写PyTorch/Jax代码、运行计算、观察损失曲线、阅读评估结果、优化内核和数据等等。
那么，上个月的嘉宾Alex Zhang回来参与合著了一项重大发现：如果你直接让一个聪明的模型去读取和编辑一个较笨模型的权重，会怎样？
在机器学习领域，这相当于不看源代码，直接查看（非常小的）编译可执行文件的1和0，并且能够1）判断它们做什么，2）在给定失败轨迹的情况下一次性修复bug，或者用50步朝着某个大方向改进（此处可能夸大），3）一次性从头编写整个网络权重，击败一些独立训练的模型。
如果你相信LLM在给定足够参数的情况下能够真正拟合和模拟一切（事实上，随着规模增大，LLM作为计算器越来越强），那么这样的事情在理论上注定会发生，但这项能力突然涌现仍然令人惊讶，而且似乎已经有人独立复现了：
当然，我们真正建模的这件事本质上是某种形式的机制可解释性（可以手工完成），目前不太可能扩展到比简单游戏和RL策略更高级的任务，但世界在这个全新的RSI能力上已经从0走到了1……由于其惊人的效率，这将立即被投入使用和探索。
2026年10月31日至11月2日的AI新闻。我们检查了12个subreddit、544个Twitter账号，没有进一步检查Discord。AINews的网站允许你搜索所有过往期号。提醒一下，AINews现在是Latent Space的一个板块。你可以选择订阅/退订邮件的频率！
AI Twitter回顾
DeepSeek开源“超级智能体”框架原型
- 发布：DeepSeek-Harness发布了一篇长篇设计文章（文章）和dsh-superagent-prototype仓库（仓库链接）。随后发布了官方英文版（@tianyi）。
- 架构：一个长期存活的路由会话与人类对话并分发工作。隔离的worker并行运行任务，由GitHub事件触发（摘要）。
- 声称的结果：在DeepSeek自己的测试中，与使用子智能体的单一会话相比，p95完成时间从29.5分钟降至15.7分钟（摘要）。
- 审稿人的设计理念：最终审稿人崔添翼（@tianyi）表示，“超级”指的是工作智能体之上的一层，而非更优越的智能。他将核心权衡概括为跨任务连续性与吞吐量之间的取舍（知乎摘要）。
- 声明的局限：该框架目前没有内置的跨会话长期记忆。状态、计算和环境的分离基本未实现。该原型仅在一个小型、可信的内部环境中验证过，安全、隐私和智能体间通信仍是未解问题。
- 先前工作：他承认其他团队几个月前就探索过类似架构。
- 从业者反馈：@badlogicgames表示该设计与Earendil的方向一致：单一长期存活的实体、临时递归委托和跨系统事件触发。@omarsar0称其为协调-执行框架设计的“大师课”。DeepSeek还表示，其目标是每一代模型都支持pi和其他主要框架（@tianyi）。
- 批评：@teortaxesTex称这篇文章“有点一团糟”。他认为DeepSeek围绕模型的弱点（如幻觉）构建了内部拐杖，而不是让系统普遍鲁棒。他还指出彭博社报道了一个没有英文公告的仓库（帖子）。
- V4.1命名混乱：中国人民大学FlashRSI的README引用了deepseek-v4.1-pro，引发了发布猜测。Teortaxes称这是一个占位符：实际配置使用的是v4-flash和v4-pro，deepseek-v4.1-flash不是有效ID（推文串、后续）。他还表示V4.1F-1017的API指纹没有变化（指纹）。 独立评估与前沿模型信号
- GDPx基准（SemiAnalysis）：该基准涵盖11个有经济价值的领域的206个智能体任务，包括芯片设计、SWE、金融和生物学。最佳模型仅得分12%（发布）。
- 结果：Opus 5.5以12%领先。Gemini 4 Carbon以10.9%紧随其后，成本约低4倍（细分）。
- 反应：@dylan522p向Google道歉，称Carbon“更尖峰”但在某些领域非常强。@demishassabis对该基准表示欢迎。
- 分析：@eliebakouch发现，移除受保障措施影响的基准后，情况会发生变化。在这种视角下，Carbon仍然便宜，而Sol 6.1更便宜。他还暗示OpenAI的生物安全保障比Anthropic更强（说明）。
- 同系列比较：Sol 6.1和Astra得分非常接近，Carbon全面击败Argon，Sonnet在SWE方面很强（比较）。
- 可能的bug：一些Argon网络安全运行可能受到Antigravity bug的影响（报告）。
- 审计担忧：一篇讽刺帖子抱怨GDPx不开源且审计成本高昂（帖子）。
- Epoch能力指数：DeepSeek V4.1F-1017得分159，与GPT 5.5持平。这比V4.1F-0910高3分，比V4-Pro高10分；Astra大约高出10分（@teortaxesTex）。
- 与Mythos的差距：@scaling01指出，大约7个月后，仍没有中国模型能匹配Mythos Preview（约161 ECI）。
（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）
正文由 探How 从来源站点 RSS 同步，内容未经改写；遇到排版缺失或需要图片、视频时请以原文为准。