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, introduced in recent MIT work by Takehi et al., enables a frontier LLM agent to read a network's weights and write a repair. Their GPT-6 Astra agent corrected the reasoning loops of Qwen3.5-0.8B without gradients, using 158 agent turns, 89.7 million tokens, and 50 forward-pass requests. Our me
阅读原文 · Hadi Salloum, Ammar Ali
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看的地方，是它把一个听起来很科幻的操作变得可计算了。 MIT 之前有个工作叫 weight-space programming：让一个前沿 LLM 智能体直接读模型权重，然后写出一段修复补丁，全程不用梯度。那个例子花了 158 轮智能体交互、8970 万 token、50 次前向请求，才把 Qwen3.5-0.8B 的推理循环修好。 Tree-I...