Исследователи из MIT представили метод Weight-Space Programming, позволяющий модели GPT-6 Astra от OpenAI напрямую изменять внутренние веса других нейросетей без классического дообучения. Система анализирует числовые матрицы моделей, определяя их функции, например, назначение для конкретных видеоигр.
В ходе экспериментов Astra создавала веса для моделей, обучающихся играм на основе правил и исходного кода. В игре Breakout модель под управлением Astra набрала в среднем 517 очков, тогда как базовая модель, обученная стандартным методом, показала результат в 25 очков.
Для игры в го на поле 9x9 Astra создала сеть с 1,5 миллиона параметров. За 50 итераций она превзошла модель, обученную на 20 миллионах партий. Метод также применили к модели Qwen3.5-0.8B, изменив всего 0,016 процента её весов для улучшения математических навыков.
После корректировки точность модели Qwen на бенчмарке MATH-500 выросла с 7,9 до 48,1 процента, а способность следовать инструкциям поднялась с 21 до 62 процентов. Авторы исследования видят потенциал метода в аудите безопасности и точечной настройке поведения ИИ.
