लैपटॉप पर Qwen 3.8 27B ने model weights पढ़े
मूल शीर्षक: Qwen 3.8 27B on my laptop can interpret model weights, too
यह क्यों महत्वपूर्ण है
बिना code execution के weights की व्याख्या AI interpretability और model editing के लिए नई संभावनाएँ खोलती है।
Simon Willison ने 3 नवंबर 2026 को बताया कि उनके लैपटॉप पर चल रहा Qwen 3.8 27B, बिना किसी tool के raw neural network weights पढ़कर यह बता सकता है कि model किस game के लिए train हुआ था।
Rikiya Takehi, Jayden Teoh, Alex Zhang और Omar Khattab के शोधपत्र 'Sparks of Weight-Space Programming' में दावा किया गया कि GPT-6 Astra जैसे frontier models raw floating point weights देखकर neural network का व्यवहार समझ सकते हैं और उन्हें बदल भी सकते हैं। इस अवधारणा को लेखकों ने 'Weight-Space Programming' नाम दिया।
शोध का एक प्रमुख उदाहरण: Astra ने Qwen3.5-0.8B के weights में एक खामी पहचानी जो reasoning loops पैदा करती थी। बिना training loop चलाए केवल 0.016% weights बदलकर MATH-500 स्कोर 7.9% से 48.1% तक पहुँचाया और IFEval में 3 गुना सुधार हुआ।
Simon Willison ने शोध के GitHub repository से Breakout, Pong, Pac-Man और Freeway के लिए तैयार prompts लेकर Qwen 3.8 27B पर परखा। नतीजा: यह local model भी weights पढ़कर सही game पहचान सका।
हालाँकि, spaCy के निर्माता Matthew Honnibal ने कहा कि शोधपत्र दो अलग-अलग सवालों — no-tools weight reading और code-assisted weight editing — को भ्रामक ढंग से मिलाता है। Sean Goedecke ने भी Qwen3.5-0.8B वाले उदाहरण को एक सामान्य ML researcher के steps जैसा बताया। Willison का ध्यान no-tools वाले पहलू पर रहा, जिसे वे ज़्यादा दिलचस्प मानते हैं।