以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Weight-space programming allows language models to read a trained neural network's weights and edit them. This opens the door to training'' by reasoning rather than through gradient descent. Prior work has demonstrated its functionality and promise for game-playing networks and fixing specific failures in language mo
阅读原文 · Dara Varam, Taraneh Aminosharieh Najafi, David Atienza
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看，原因不在 EEG 或 ECG 本身，而在它试探了一个更激进的问题： 语言模型能不能直接“想”出一组网络权重，绕开梯度下降？ 作者把这个思路搬到了生物信号上。EEG 和 ECG 这类数据样本少、个体差异大、标注贵，正好是检验“少样本还能不能训出可用模型”的硬场景。摘要给出的结果挺抓人：模型能在不被告知故障位置的情况下调试植入的错误，甚至从零写出...