昨天的头条“权重空间编程”引发了不少争议——我们也认同，其中一些说法呈现得过于乐观，整体上反而削弱了论文中更实质发现的影响力。但这仍然是一个重要的警醒时刻，而且目前已有多个独立复现，因此无论是撤稿还是再发一篇头条说它是假的，都不值得。

今天我们的主角是 AI Engineer Shanghai，同时还会分享一篇关于 Latent Space 历史的独家访谈！

2026/11/02-2026/11/03 的 AI 新闻。我们检查了 12 个 subreddit、544 个 Twitter 账号，没有更多 Discord。AINews 网站支持搜索所有过往期号。提醒一下，AINews 现在是 Latent Space 的一个栏目。你可以选择订阅或退订邮件推送！

AI Twitter 回顾

权重空间编程：前沿模型读写神经网络权重

• 核心主张与复现：多个团队报告称，前沿 LLM 可以直接生成或编辑小型网络的权重，无需梯度训练或工具。
• 跨代复现：Alex Krentsel 对 MIT 实验的复现发现，模型代际之间存在陡峭的能力跃升；最新模型生成的 Breakout 网络得分最高达到 RL 训练基线的 22 倍（摘要）。
• Hugging Face 复现：Hugging Face 用其开源 AI 研究框架 ML Intern 复现了论文，并发布了模型和 demo（NielsRogge）。
• 手写分类器：一位用户让 Fable 手写了一个 100K 参数的网络，用于区分真实与虚假的法律引文，据称表现优于训练版本（jacsebl）。Legora 的 CTO 强调了这一结果（mstockton）。
• Astra 的 Qwen 编辑，复盘：GPT-6 Astra 在没有反向传播的情况下编辑了 Qwen3.5-0.8B 中的 131,072 个权重，将 MATH-500 从 7.9% 提升到 48.1%。一位知乎用户根据日志做的复现显示，增益比标题所暗示的要窄（ZhihuFrontier）：
• 失败模式：579 个修复答案中有 576 个原本是因为循环而触发了 32K token 上限。
• 方法：Astra 从对比性的循环/生产性上下文中推导出一个“重复方向”，主要定位在第 15 和 19 层的 MLP 中，然后从每层 top 64 对齐神经元中减去该投影的 6 倍。
• 留出集结果：在 1,152 道留出题上，准确率从 10.6% 升至 60.4%。大部分增益来自原本就存在、现在能跑完的推理能力。
• 笔记本复现：Simon Willison 报告称，Qwen 3.8 27B 在他的笔记本上经过 45 分钟以上也实现了同样的权重解释壮举（simonw）。
• 质疑解读：
• 基线：批评者认为这些大主张缺乏合格的基线，Qwen 的结果是修 bug 而非递归自我改进，该讨论串存在过度主张（paul_cal）。
• 基准过拟合：直接针对基准拟合权重“基本上没有意义”，正如 nesformer 的 Mario 例子所示（dbreunig）。
• 机制：有一个讨论串在问，模型是否主要读取第一层和最后一层，因为这两层对应已知的输入和输出（ravfogel）。
• 可解释性启示：另一种观点认为，真正的教训是编码智能体使用机制可解释性工具的效率有多高（jbhuang0604）。
• 乐观解读：支持者将这项工作视为元学习终于奏效，并将权重优化视为结构化文本优化。他们建议采用将反向传播与直接编辑交替进行的混合方案（yoonholeee）。 模型发布与独立评测
• 腾讯 Hy4：腾讯报告 APEX-Agents 得分为 75.2，而 DeepSeek V4.1 Flash-1017 为 72.1/72.9，不过两者在其他基准上互有胜负（摘要）。
• 定价与权重：API 价格为每百万输入/输出 token $0.834/$2.501，腾讯计划发布权重。
• Agent Arena：Hy4 在 8.5K+ 会话中综合排名第 14，每任务成本 $0.55，而 Kimi K3.1 Pro 为 $1.46（Max）。两者得分相差不到 1 分（arena）。
• Sarvam Prism：这个“System One”决策模型基于 Sarvam 105B 构建。它得分 71.8，中位响应时间 44 ms，Sarvam 称这是 sub-100 ms 决策模型中最好的平均水平（SarvamAI）。
• 开放权重发布：
• Kimi K3.1 Pro：权重定于周三发布（Together）。
• P-H3-Image：Pruna 的开放模型，从 MiniMax-H3 蒸馏而来，8 步而非 50 步即可运行，体积小 7 倍，2.6 秒生成 4 MP 图像（PrunaAI）。
• LongCat-2.5：该模型总参数 1.6T、激活参数约 48B，定价 $0.30/$1.20。在一位用户的测试中，它构建一个浏览器游戏花费 $0.28，而 Qwen3.8-Max 为 $0.82（omarsar0）。
• 其他发布：
• EmbeddingGemma 2：论文已发布（osanseviero）。
• Krea 3：技术报告介绍了一个由不到 10 人的研究团队构建的模型（krea_ai）。
• Crouton Alpha：OpenRouter 上一个免费的 stealth 推理模型，提供 1M 上下文（OpenRouter）。
• 开放十月架构：Raschka 整理了十月发布的 10 个开放 LLM 架构（rasbt）：
• 注意力变体：Mistral Large 4（1T）将 MLA 与稀疏注意力配对。
• 混合与 MoE：Muse Spark Open（816B）是 Meta 自 Llama 以来首个重大开放发布，采用 LatentMoE。Nemotron 3.5 Super VL 将 Mamba-2 层与八个注意力层混合。
• 循环模型：Dory1.0 是一个循环 transformer。
• Artificial Analysis 更新：
• 能力指数 v2.0：此次更新增加了对非幻觉和智能体工具使用的权重。Claude Opus 5.5（max）在全部六个指数中领先；Kimi K3.1 Pro 在开放模型中领先（ArtificialAnlys）。
• 智能指数 v5.0.1：用 CritPt v2 服务器重新评分后，没有任何前沿排名变动超过 1 分（ArtificialAnlys）。
• AA-Robotics：Opus 5.5 完成了一个机械臂任务，然后又花了 22 分钟在上面。只有 GPT-6.1 Sol 和 Gemini 4 Argon 在一分钟内停止（ArtificialAnlys）。
• Vals 研究：
• 推理投入：GPT-6 Astra 在最低设置下以 18% 的成本保留了 88% 的得分，Grok 4.7 以 16% 的成本保留了 86%。Gemini 4 Argon 几乎没省钱（ValsAI）。
• 路由器指数：Fireworks 的 Nexus Auto（Sol）是首个达到 60% 的路由器，每测试 $1.25（ValsAI）。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）