MIT 研究顯示：AI 可無需訓練直接改善其他 AI 模型

MIT CSAIL 最新研究揭示，OpenAI 的 GPT-6 Astra 模型具備直接重寫其他 AI 模型權重（weights）的能力，從而提升其表現，跳過了傳統的再訓練過程。權重是決定模型行為的數值，通常需透過大量訓練設定，因數量龐大難以手動調整。

研究顯示，Astra 能針對特定缺陷進行精準修復。以阿里巴巴的小型 Qwen 模型為例，該模型在數學測試中得分僅為 7.9%，主要問題在於重複回答。Astra 僅修改了 0.016% 的權重，成功抑制重複行為，使數學得分大幅躍升至 48.1%。然而，此方法並非對所有模型皆有效；對於 Google 的小型 Gemma 3，由於其缺乏類似 Qwen 的單一明顯缺陷，Astra 的介入幾乎未對其數學得分產生影響。

除模型優化外，測試還展現了 Astra 的其他能力。在較小規模的測試中，Astra 僅憑藉從權重中學習到的資訊，便能識別出 AI 所玩的遊戲，並在不進行額外訓練的情況下，從頭編寫出簡單的 Breakout 遊戲程式。

研究作者指出，此項能力未來可能讓 AI 實現自我升級，或根據需求為其他模型新增、移除技能，甚至檢查潛在問題。這項進展被視為朝向自主 AI 研究員邁出的重要一步，暗示當模型具備修改自身權重以改善表現的能力時，AI 的進步速度可能進入加速階段。