LLM अब सीधे Neural Weights पढ़-लिख सकता है
मूल शीर्षक: Astra can read and write weights to improve Qwen
यह क्यों महत्वपूर्ण है
यदि यह दोहराया जा सके तो model optimization और interpretability दोनों के तरीके बदल सकते हैं।
MIT CSAIL के शोधकर्ताओं ने पाया कि GPT-6 Astra बिना gradient के Qwen3.5-0.8B के मात्र 0.016% weights संपादित कर MATH-500 स्कोर 7.9% से 48.1% तक पहुँचा देता है।
MIT CSAIL के Rikiya Takehi, Jayden Teoh, Alex Zhang और Omar Khattab ने 2 नवंबर 2026 को 'Weight-Space Programming' शीर्षक से यह शोध प्रकाशित किया। मुख्य दावा यह है कि frontier LLM — विशेषतः GPT-6 Astra — raw neural network weights को पढ़कर उनके व्यवहार का अनुमान लगा सकता है और बिना किसी training loop के उन्हें सुधार सकता है।
शोध में तीन प्रमुख प्रयोग किए गए। पहले में Astra ने 17,253 weights पढ़कर 99% विश्वास के साथ बताया कि एक network किस game के लिए trained था। दूसरे में उसने एक car-racing policy के 3.5% weights संपादित किए, जिससे सफलता दर 0% से 100% हो गई। तीसरे और सबसे उल्लेखनीय प्रयोग में Astra ने Qwen3.5-0.8B के weights में वह समस्या पहचानी जो Qwen के अपने model card में 'reasoning loops' के नाम से दर्ज है। केवल 0.016% weights बदलकर MATH-500 बेंचमार्क 7.9% से 48.1% पर पहुँच गया और IFEval में 3 गुना सुधार भी अपने आप आया।
शोधकर्ताओं का कहना है कि Adam या Muon जैसे symbolic optimizers की जगह अब reasoning-driven LLM optimization आ सकती है। Astra को training loops लिखने की अनुमति नहीं दी गई — उसने केवल weights का तार्किक विश्लेषण कर संपादन किए।