🧠 ИИ уже может чинить другой ИИ прямо внутри его параметров Исследователи MIT дали GPT-6 Astra доступ к небольшой модели Qwen3.5-0.8B и попросили улучшить её математические способности. У Qwen была конкретная проблема: модель часто зацикливалась в рассуждениях, повторяла одни и те же шаги и иногда тратила почти весь лимит ответа, так и не доходя до решения. 🔝 Вместо нового полноценного обучения Astra проанализировала, где возникает сбой, и изменила всего 0,016% внутренних параметров модели. Результат: 🔵MATH-500: 7,9% → 48,1% 🔵Следование инструкциям: 21% → 62,3% То есть точечное изменение очень небольшой части параметров дало рост больше чем в шесть раз на математическом бенчмарке. Авторы называют этот подход Weight-Space Programming - "программирование в пространстве весов". "Веса" - внутренние числовые параметры, которые определяют поведение модели. Обычно, если модель плохо справляется с задачей, мы меняем промпт, добавляем инструменты, дообучаем её или берём другую модель. А здесь одна модель сама нашла проблему в поведении другой и точечно изменила её внутренние параметры. Если подход масштабируется, может появиться новый слой AI-инфраструктуры: модели, которые диагностируют и исправляют другие модели без полного переобучения. Пока это раннее исследование, но AI-инженер будущего может работать не только с кодом и промптами, но и напрямую с внутренними параметрами моделей. #AI_и_работа 💬 Присоединиться к обсуждению в чате Телеграм канал Андрей Анисимов @ideasforai