برنامهنویسی در فضای وزنها: هوش مصنوعی واقعاً هوش مصنوعی رو بهتر میکنه؟
خلاصهٔ کاملتر
محققهای CSAIL در MIT اسم این یافته رو گذاشتن weight space programming؛ یعنی یه مدل زبانی پیشرفته وزنهای عددی خام یه شبکهٔ عصبی دیگه رو مثل متن میخونه، میفهمه چیکار میکنن و یه بخش خیلی کوچیکشون رو مستقیم ویرایش میکنه. این کار بدون gradient descent (یعنی همون روش معمول آموزش که وزنها رو کمکم با داده تنظیم میکنه) انجام میشه. این مقاله میگه بحث سر واقعی بودنش نیست، بحث سر اینه که دامنهاش چقدره.
نتیجهای که وایرال شد: GPT-6 Astra حدود ۰٫۰۱۶٪ از وزنهای مدل کوچیک Qwen 3.5-0.8B رو عوض کرد و امتیازش روی بنچمارک MATH 500 از ۷٫۹٪ به ۴۸٫۱٪ رسید. حتی تو یه تست بیربط مثل پیروی از دستورها هم بهتر شد. دلیلش ساده بود: این مدل معروفه به اینکه تو حلقهٔ استدلال گیر میکنه و تکرار میکنه تا جاش تموم بشه. تو تستهای محققها، ۸۵ تا از ۹۶ جواب اولش به سقف طول خروجی خورده بودن. GPT-6 Astra منشأ این حلقه رو تو دو تا لایه پیدا کرد و حذفش کرد.
نقطهٔ اصلی منتقدها اینه: همین تیم دقیقاً همین روش رو روی Gemma 3 گوگل امتحان کرد که این مشکل حلقه رو نداره و امتیازها تقریباً تکون نخوردن. به گفتهٔ خود محققها، این ویرایش میتونه یه مانع رو از جلوی مدل برداره ولی نمیتونه تواناییای بهش بده که از اول نداشته. یعنی بیشتر یه ابزار دیباگه تا جایگزین آموزش.
تکرار سریع نتیجه هم ثابت میکنه پدیده واقعیه، نه اینکه عمومیه. ظرف حدود یه روز، محققهای دیگه مثل Alex Krenzler نشون دادن نسلهای قدیمیتر (GPT-5 تا GPT-5.6 و Opus 4.5 تا Opus 5) تقریباً از پسش برنمیان، ولی GPT-6.1، GPT-6 Astra و Claude Opus 5.5 یهو خیلی بهتر عمل میکنن. یه تکرار دیگه هم با Opus 5.5 روی Qwen 3.5-4B (پنج برابر بزرگتر) همین اثر حذف حلقه رو با ویرایش سهم کوچیکتری از وزنها گزارش کرد.
آزمایشهایی که مدل یه شبکهٔ کامل رو از صفر نوشت هم نتیجهٔ مخلوط داشتن. شبکهٔ Breakout که تو یه جواب نوشته شد حدود ۲۰ برابر بیشتر از شبکهای امتیاز گرفت که ۵۰۰ میلیون قدم با reinforcement learning آموزش دیده بود. ولی تو Seaquest خیلی عقبتر بود و تو Asteroids تقریباً مساوی شد. تو Go هم برای بردن شبکهای که با ۲۰ میلیون بازی آموزش دیده بود، ۵۰ دور تست و اصلاح لازم شد.
جمعبندی مقاله اینه که این شواهد نشون میده چنین تواناییای در اصل وجود داره، نه اینکه عمومی یا قابل اعتماده. برای پیدا کردن مدار چاپلوسی (sycophancy) تو یه مدل Gemma هم به یه ابزار مخصوص دادههای attention نیاز بود و بدونش شکست خورد. پرش ناگهانی بین نسلها یعنی فعلاً فقط یه نقطهٔ داده داریم، نه یه روند. پس فاصلهٔ «پچ کردن یه ایراد شناختهشده» تا «خودبهبودی بازگشتی» هنوز زیاده.
نکات کلیدی:
- GPT-6 Astra با تغییر ۰٫۰۱۶٪ وزنهای Qwen 3.5-0.8B امتیاز MATH 500 رو از ۷٫۹٪ به ۴۸٫۱٪ رسوند.
- این بهبود از حذف یه نقص حلقهٔ استدلال تو دو لایه اومد، نه از اضافه شدن مهارت ریاضی.
- همین روش روی Gemma 3 که این نقص رو نداره تقریباً هیچ اثری نداشت.
- نسلهای GPT-5 و Opus 4.5 تا Opus 5 تقریباً نمیتونستن این کارو بکنن، ولی GPT-6 Astra و Opus 5.5 خیلی بهتر بودن.
- شبکههایی که از صفر نوشته شدن تو Breakout بردن، تو Seaquest باختن و تو Asteroids مساوی شدن.




