MIT CSAIL 提出 Weight-Space Programming，让 GPT-6 Astra 只读取 Qwen3.5-0.8B 的权重并直接修改参数，改动约 0.016% 的权重后，MATH-500 从 7.9% 提升到 48.1%，GSM8K 从 13.8% 升到 67.1%。
同一件事，精选收录的是《MIT 研究：GPT-6 Astra 可直接读写其他 AI 模型权重》
斯坦福研究者 Owen Queen 和 James Zou 用 8 家开发者 2024 年 7 月至 2026 年 9 月发布的 20 个模型，复测 50 条被广泛引用的 LLM 结论，发现 44% 已失效，另有 34% 明显减弱，仅 16% 仍成立、6% 反而增强。
MIT 研究者在博客中展示，GPT-6 Astra 无需常规训练即可直接分析和修改其他 AI 模型的权重，他们把这一方法称为 Weight-Space Programming。
推荐理由：MIT 研究者展示大模型可直接读写其他模型的权重，并给出 Qwen3.5-0.8B 上的定向修复数据。
Takehi 等人提出 Weight-Space Programming，让前沿 LLM 从自然语言目标出发直接检查和编辑神经网络权重张量，不依赖梯度下降或训练循环。
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10×10 米土地归入原始林、自然再生林、人工种植林、商品林、木本作物与农林、其他土地六类。
推荐理由：读者可了解一张10米分辨率全球森林类型图如何区分原始林、人工林与农林，以及它和欧盟零毁林法规的关系。
微软研究院张新志与Zhao Song证明1995年提出的KLS猜想，确认高维对数凹分布的最佳平面切割与任意形状切割之差可由与维度无关的常数界定。作者以人机协作的智能体搜索探索了100多条候选路径，由研究者筛选方向并完成论证，另有独立团队同日给出完整证明，随后出现Lean 4形式化验证。该结果使此前依赖该猜想的研究可无条件成立。
推荐理由：这篇论文证明了一个悬置31年的高维几何猜想，并展示了研究者如何引导AI智能体筛选上百条路径。
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和对指导的响应度两个维度评估模拟器。