517.4分！GPT-6 Astra寫出打磚塊神經網路，得分約為5億步強化學習模型20倍

GPT-6 Astra根據遊戲規則與原始碼為神經網路設定權重，讓它在打磚塊拿下517.4分，約為相同架構、經5億步訓練的強化學習模型20倍。

麻省理工學院電腦科學與人工智慧實驗室（MIT CSAIL）研究團隊於2日公開的研究說明中，將這種方法稱為「權重空間程式設計」。神經網路權重是用來處理輸入並產生輸出的數值。

實驗中，研究團隊提供GPT-6 Astra簡化版打磚塊遊戲的規則、原始碼，以及權重全為零的神經網路，沒有提供可用來調整權重的訓練資料。模型也沒有機會事先執行遊戲，而是把預測球的落點、移動擋板的程序寫進權重數值中。

研究團隊也用另外兩款遊戲評估同一方法。在這兩款遊戲中，GPT-6 Astra寫出的神經網路都未能超越經5億步訓練的模型。

「直接撰寫權重」不代表重新訓練GPT-6 Astra。模型提出的是另一個神經網路使用的權重數值，再由研究團隊將該網路放進遊戲中評估。

除了遊戲實驗，研究團隊也測試修改既有語言模型的權重。研究人員將阿里巴巴(BABA)通義千問（Qwen）3.5-0.8B的0.016%權重作了修改後，MATH-500答對率從7.9%升至48.1%。本刊先前也報導過，修改部分通義千問權重後，數學評測成績有所提升。

研究團隊針對的問題，是通義千問回答數學題時反覆推理，卻沒有給出答案。這次實驗沒有重新訓練模型，只修改部分權重。

修改前，93%的數學問題回答會達到32,768個token的上限；修改後，這一比例降至33.1%。

衡量模型遵循指示能力的IFEval分數，也從21.0%升至62.3%。研究團隊表示，減少重複推理是成績改善的關鍵。

這種方法並非對所有模型都有效。研究團隊將其用於Gemma 3 270M時，數學成績沒有明顯改善。

先前公開的輔助實驗結果顯示，Gemma 3 270M的MATH-500分數從基準的6.8%變為修改後最高7.7%。研究團隊並未將此視為已確立的成果。

通義千問與Gemma 3 270M的差異在於是否有重複推理問題。Gemma 3 270M很少反覆推理，主要問題是算術與推理過程中的錯誤。

這些結果顯示，直接調整部分權重，曾用於實作特定遊戲規則，也曾減少特定模型反覆作答的問題；但在打磚塊以外的遊戲與Gemma實驗中，研究團隊沒有觀察到相同成果。

研究團隊提出的實驗並未測量這種方法能否提升其他AI模型的表現，也沒有評估實際開發成本或作業時間是否因此降低。