CSAIL 是 MIT 计算机科学与人工智能实验室(Computer Science and Artificial Intelligence Laboratory)的简称,是麻省理工学院规模最大的实验室之一,长期处于全球人工智能、机器人与计算机系统研究的前沿。近期,该实验室因一项被称为"权重空间编程"(Weight-Space Programming)的研究引发广泛关注,同时也在具身交互、物理模拟等方向持续产出新成果。
权重空间编程:CSAIL 近期最受关注的方向
这项研究的核心思路是让大语言模型直接读写另一个神经网络的权重,而非通过传统训练或梯度下降来修改模型。根据多方报道,研究团队使用 GPT-6 Astra 编辑 Qwen3.5-0.8B 的权重,仅改动约 0.016% 的参数,就使其在 MATH-500 数学测试上的正确率从 7.9% 提升至 48.1%,约为原来的 6 倍,且整个过程不涉及训练、不算梯度。相关讨论见 不训练不算梯度:GPT-6 Astra 改 0.016% 权重,Qwen3.5-0.8B 数学正确率升 6 倍、MIT 提出权重空间编程:GPT-6 Astra 改 Qwen3.5-0.8B 约 0.016% 权重 以及 MIT CSAIL 用 GPT-6 Astra 直接改写 Qwen 0.8B 权重,数学能力提升 6 倍。
如果这一方法能够在更大规模模型和更广泛的任务上复现,它可能改变模型微调的范式——从"调整数据再训练"转向"直接编程权重"。不过目前公开结果集中在小参数量模型和单一数学基准上,泛化能力与稳定性仍待验证。
CSAIL 近期进展
除权重空间编程外,CSAIL 近期还发布了多项面向不同领域的工作:
当前焦点与观察点
围绕 CSAIL 的近期讨论主要集中在三点:其一,权重空间编程的实际边界——0.016% 的改动比例是否意味着可以低成本定向"修补"模型缺陷;其二,这类方法能否推广到更大模型,还是只在小模型上有效;其三,直接改写权重的安全与对齐影响,因为绕过训练流程的修改方式也绕过了常规的安全评估路径。建议持续关注实验室后续论文与第三方复现结果,再判断其长期价值。