MIT CSAIL 研究人员称 GPT-6 Astra 仅修改 Qwen3.5-0.8B 0.016% 的权重即修复其缺陷，无需训练
作者在一篇称为“非常早期结果”的博客中表示，GPT-6 Astra 直接读取原始权重，定位 Qwen 的推理循环问题并手动修补，使 MATH-500 从 7.9% 升至 48.1%，IFEval 提升 3 倍；尚未经过同行评审。
为何重要
改变神经网络的行为通常需要基于梯度的训练或专门工具。这篇博客称，通用前沿模型只需自然语言指令，就能读取原始权重、判断网络被训练来做什么、诊断 Qwen 模型卡本身提示过的缺陷并直接修补。作者强调结果非常早期，且以博客而非论文形式发布，但已在 GitHub 公开完整推理记录。接下来值得关注独立复现，以及团队称正在构建的基准和工具框架。
要点
- GPT-6 Astra 修改了 Qwen3.5-0.8B 0.016% 的权重
- 相同采样设置下 MATH-500 从 7.9% 升至 48.1%
- IFEval 指令遵循提升 3 倍
- 未使用梯度或训练循环
- Astra 仅凭权重识别出四个 PPO 训练网络各自对应的游戏
- 第一作者 Rikiya Takehi 署名 MIT CSAIL