GPT-6 Astraが重みを直接修正。企業が先に確かめるのは「賢くなるか」より再現性

MIT CSAILの研究者らは2026年11月2日、LLMがニューラルネットワークの重みを直接読み書きする「Weight-Space Programming」の初期結果を公開しました。GPT-6 AstraがQwen3.5-0.8Bの重みの0.016%を編集し、MATH-500の正答率が7.9%から48.1%になったと報告されています。

「学習なしの修正」は、小さな実験で示された

研究では、勾配降下や通常のオプティマイザーを使わず、モデルの重みを直接編集しました。報告された例では、同じサンプリング条件で数学ベンチマークと指示追従の結果が改善しています。小さなゲーム用ネットワークをゼロから作る実験では、PPOとの比較も行われました。

ただし、記事が示すのは「本番モデルをすぐ修理できる」という結論ではありません。研究者自身が非常に初期の結果と位置づけており、小規模ネットワークが中心です。後半の実験ではツールやフォワードパスを使い、一般的な運用向けの手順や評価基盤が整ったわけでもありません。

企業が先に見るのは、精度ではなく差分を戻せるか

専門モデルの保守を考える企業なら、まず本番から切り離した検証環境で、既知の狭い失敗を一つだけ対象にします。編集前後の重み差分、評価データ、再現に使ったプロンプト、失敗時のロールバックを保存し、再学習や追加データによる修正と比較します。結果が一度出ただけでなく、別の担当者や別環境でも再現するかを確認する設計です。

これは公式研究の実績をそのまま業務効果へ広げる話ではなく、導入を検討する際の提案です。差分管理や再現性を確保できないなら、重みの直接編集を本番運用へ持ち込む判断はまだ早いでしょう。今回のニュースから決められるのは、採用することではなく、再現性を測る小さな評価を始めるかどうかです。