Les poids d'un réseau de neurones sont d'ordinaire jugés illisibles : des millions de nombres produits par un optimiseur, qu'on n'examine qu'indirectement. Un billet de blog de quatre chercheurs du MIT CSAIL, repris par la chaîne vidéo Two Minute Papers, soutient que GPT-6 Astra peut les lire et les écrire un peu comme du code, et baptise l'idée programmation dans l'espace des poids.
Les expériences commencent petit. Quatre réseaux identiques, de 17 253 poids chacun, ont été entraînés à jouer à des versions sur grille de Breakout, Pong, Pac-Man et Freeway. Avec seulement les poids bruts sous forme de texte et sans liste de choix, Astra a trouvé le bon jeu pour les quatre, dans un cas avec 99% de confiance. Il a identifié la forme dessinée par chacun de trois petits modèles de diffusion, là encore à partir des seuls poids. Sur trois minuscules modèles de langage par caractères privés de leurs couches d'entrée et de sortie, il a nommé la langue d'entraînement, Python, japonais en romaji ou anglais, et repéré toutes les têtes de copie, conformément à ce que les chercheurs ont mesuré en exécutant les réseaux.
Puis il a écrit des poids. Face à une politique qui envoyait une voiture droit dans une rampe où elle restait bloquée, Astra a expliqué l'échec et, en un seul essai sans outils, modifié 3,5 % des poids pour que la voiture réussisse dans les 1 024 épisodes de test. Le résultat phare porte sur un vrai modèle : invité à rendre Qwen3.5-0.8B meilleur en mathématiques sans entraînement, Astra a attribué la tendance connue du modèle à tourner en boucle en mode réflexion à une direction écrite par les couches MLP 15 et 19, et l'a soustraite en changeant 0,016 % des poids. MATH-500 est passé de 7,9 % à 48,1 %, GSM8K de 13,8 % à 67,1 % et IFEval, un test de respect des consignes, de 21,0 % à 62,3 %.
Pour les lecteurs de notre test de GPT-6 Astra, c'est une démonstration frappante d'un modèle qui raisonne sur la structure plutôt que sur le texte de surface. Elle a aussi suscité une réponse rapide : le preprint Tree-Ising, que nous traitons à part, a utilisé les journaux publics de l'agent pour reformuler la même réparation comme un problème de solveur et obtenu un score MATH-500 un peu supérieur pour environ 0,90 dollar de temps GPU.
Cette réponse donne le bon cadre aux réserves. Il s'agit d'un billet de blog, non d'un article relu par des pairs, et la plupart des expériences portent sur des réseaux bien plus petits que tout ce qui est en production. La correction de Qwen supprime un défaut bien documenté plutôt que d'ajouter une capacité, et qu'un optimiseur bon marché fasse aussi bien suggère que la difficulté résidait dans le diagnostic, non dans la modification. La capacité semble réelle ; jusqu'où elle passe à l'échelle et ce qu'elle coûte par tâche reste ouvert.