alphaXiv 推荐权重空间编程研究,博主复现示例
事件综述根据 4 篇报道整理,11月4日更新
alphaXiv 官方账号在 X 上推荐了论文《Sparks of Weight-Space Programming》,作者为 @rikiyatakehi、@jayden_teoh_、@a1zhang、@lateinteraction,论文页面发布在 alphaXiv。该帖只给出链接,未说明方法、实验设置或结果。 Simon Willison 随后称,他按论文中的一个示例做了实测:在笔记本上通过 LM Studio 加载 Qwen 3.8 27B,使用长上下文窗口(默认 8192 上下文报错),并安装 llm-lmstudio 插件;模型仅凭原始权重文本、无工具无代码执行,就识别出四个 10x10 网格游戏网络各自训练的游戏。他另提到一个 Breakout 提示需安装 llm-openrouter 插件、经 OpenRouter 调用 Kimi K3.1 Pro。 上述结果来自博主对单个示例的复现,论文本身的证据阶段与完整结论仍未经报道确认。
综述由模型根据报道生成,细节以各篇原文为准。
进展时间线
北京时间,最早在上全部报道
4 篇,点开看摘要Latent Space 幕后访谈:Kill My SaaS、Jev 与 2026 年的 AI,及 AI Engineer Shanghai
Latent Space 本期 AINews 聚焦 AI Engineer Shanghai,并发布一期关于 Latent Space 自身历史的独家访谈。此前“Weight Space Programming”报道引发争议,团队承认部分表述过于乐观,但称已有多组独立复现。
阅读这篇报道Qwen 3.8 27B 在笔记本上也能解读模型权重
受论文《Sparks of Weight-Space Programming》启发,作者在笔记本上运行的 Qwen 3.8 27B 仅凭原始权重文本、无工具无代码执行,就识别出四个 10x10 网格游戏网络各自训练的游戏。
阅读这篇报道LLM 可直接读写神经网络权重,Weight-Space Programming 提出免梯度训练路径
Takehi 等人提出 Weight-Space Programming,让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量,不依赖梯度下降或训练循环。
阅读这篇报道alphaXiv 上的权重空间编程研究
来看看 @rikiyatakehi @jayden_teoh_ @a1zhang @lateinteraction 在 alphaXiv 上的这项工作!https://www.alphaxiv.org/abs/2611.weight-space-programming
阅读这篇报道