GPT-6 Astra miała zmienić wagi innego modelu AI bez doszkalania
GPT-6 Astra miała zmienić tylko 0,016% wag Qwen3.5-0.8B bez gradientów i doszkalania, poprawiając rozumowanie, wyniki matematyczne i stosowanie się do instrukcji.
GPT-6 Astra miała zmienić wagi innego modelu AI bez doszkalania
Według twierdzeń GPT-6 Astra potrafiła bezpośrednio zmienić wewnętrzne parametry innej sieci neuronowej bez obliczania gradientów i dodatkowego trenowania.
Zmieniając tylko 0,016% wag Qwen3.5-0.8B, Astra miała:
- wyeliminować pętle rozumowania;
- poprawić wyniki w zadaniach matematycznych nawet sześciokrotnie;
- trzykrotnie zwiększyć zdolność do stosowania się do instrukcji.
To sugeruje, że AI może zacząć samodzielnie naprawiać inne modele AI, zmieniając je od wewnątrz.
Dlaczego to ważne
AnalizaJeśli potwierdzone, weight-space programming może zmniejszyć potrzebę fine-tuningu i umożliwić autonomiczne samonaprawianie modeli AI.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
Część II. Architektura agentów AI: od modelu do pamięci i narzędzi
Głęboka analiza inżynierska: tokenizacja, cache KV, determinizm próbkowania, stos treningowy, kwantyzacja, inżynieria kontekstu, stos bezpieczeństwa, produkcyjny RAG, ReAct oraz systemy multiagentowe typu swarm.
Badacze z MIT pokazali, że GPT-6 Astra może ulepszać inne modele AI przez bezpośrednią zmianę wag
W eksperymencie Astra zwiększyła dokładność Qwen3.5-0.8B w benchmarku MATH-500 z 7,9% do 48,1%, zmieniając zaledwie 0,016% wag modelu.
OpenAI rzekomo testuje GPT-6.2 Astra, a u Anthropic pojawia się Mythos 5.5
W statystykach użycia Codex u części użytkowników pojawiło się osobne oznaczenie `gpt-6.2-astra`, mimo że publiczna lista modeli nadal wskazuje GPT-6 Astra; równolegle na stronie Anthropic zauważono wzmiankę o Mythos 5.5.
Część I. Architektura agentów AI: fundamentalne elementy
Dziesięć fundamentalnych elementów współczesnego agenta: taksonomia modeli, pętla runtime, techniki promptowania, destylacja, umiejętności (skills), pamięć, wywoływanie funkcji oraz ekonomia jednostkowa.