Investigadores afirman que GPT-6 Astra editó los pesos de un modelo Qwen pequeño para mejorar sus matemáticas, sin entrenarlo

Una publicación en X de la cuenta rikiyatakehi dice que sus autores pidieron a GPT-6 Astra que editara los pesos de Qwen3.5-0.8B para mejorar sus matemáticas. Afirman que el modelo modificó directamente solo el 0,016 % de los pesos, corrigió los bucles de razonamiento del modelo pequeño y mejoró hasta 6 veces el rendimiento en matemáticas y 3 veces el seguimiento de instrucciones, sin gradientes ni entrenamiento. Llaman al método Weight-Space Programming.

Los autores, del MIT CSAIL, lo describen en una publicación de blog del 2 de noviembre. Informan que MATH-500 subió del 7,9 % al 48,1 % y que IFEval se triplicó. En experimentos más pequeños, afirman que Astra identificó, a partir de los pesos sin procesar, el juego con el que se había entrenado una red pequeña; corrigió una política de control de automóvil que fallaba editando el 3,5 % de sus pesos; y creó desde cero pequeñas redes capaces de jugar, que superaron a redes PPO entrenadas durante 100 millones de pasos.

Los resultados son afirmaciones de los propios autores y no se han verificado de forma independiente. La publicación tuvo alrededor de 9.600 «Me gusta» y 419 respuestas en X el 2 de noviembre.