最近阿东刷到 MIT CSAIL 的一组“权重空间编程”实验，越看越觉得，训练正在从人的活变成模型的活。

[一R]后训练交给 RSI：模型自己造数据、自己评审、自己迭代，人只负责定目标、看结果
[二R]模型能读权重：GPT-6 Astra 只看原始权重，就能认出这个网络是练来玩哪个游戏的
[三R]模型能改权重：不用梯度，只改了 Qwen3.5-0.8B 0.016% 的权重，MATH-500 就从 7.9% 涨到 48.1%
[四R]模型能写权重：它从零写出的打砖块网络，得分是 PPO 训练上亿步的 20 倍

现在还只是小模型上的早期结果，但“跑训练”这个活，可能会越来越不值钱。

#大模型#后训练 #RSI #agent #模型训练 #权重编辑 #算法 #howto用好AI