Rikiya Takehi는 최신 LLM이 학습 루프나 환경 피드백 없이도 신경망의 원시 가중치를 읽고 쓰는 실험 결과를 공개했다. 소개된 사례에서 GPT-6 Astra는 가중치만 보고 네트워크가 무엇을 학습했는지 추정했고, 작은 게임용 네트워크를 처음부터 작성해 PPO로 1억 스텝 학습한 네트워크보다 나은 성능을 보였다고 설명했다. 글은 이런 방식을 가중치 공간 프로그래밍(Weight-Space Programming)이라고 부른다.

같은 글에서 Astra는 Qwen3.5-0.8B를 더 잘 풀게 하라는 요청에 대해, 그래디언트 없이 가중치를 직접 살펴보고 추론 루프를 일으키는 문제를 짚었다고 밝혔다. 이어 전체의 0.016% 가중치만 수정해 MATH-500 점수를 7.9%에서 48.1%로 높였고, 같은 샘플링 설정에서 IFEval도 3배 올랐다고 했다. 핵심은 LLM이 훈련 절차를 새로 돌리지 않고도, 가중치가 수행하는 계산을 추론해 모델 동작을 바꿀 수 있다는 점이다.