MIT Forscher korrigieren Qwen ohne Training mit GPT-6 Astra

Am 2 November 2026 veröffentlichte das Massachusetts Institute of Technology (MIT) ein neues Forschungsprojekt, das die Möglichkeiten künstlicher Intelligenz auf neue Weise erschließt. Vier Forscher – Alex Zhang, Jayden Teoh, Rikiya Takehi und Omar Khattab – haben festgestellt, dass ein leistungsstarkes Modell namens GPT-6 Astra von OpenAI in der Lage ist, direkt Parameter (Werte) eines anderen Modells zu lesen und zu korrigieren.

Die Methode wird als "Weight-Space Programming" bezeichnet. Im Gegensatz zur üblichen Autorecherche, bei der KI-Modelle oft selbstständig Experimente durchführen müssen, um Fehler zu finden, kann GPT-6 Astra in diesem Fall die Struktur kleiner Netzwerke analysieren und gezielt Parameter ändern. Dies geschieht ohne dass das Zielmodell neu trainiert werden muss.

Die experimentelle Überprüfung wurde mit dem Qwen3.5-0.8B-Modell von Alibaba durchgeführt. Das Ziel war es, einen Fehler zu beheben, der dazu führte, dass das Modell bei mathematischen Aufgaben (Test MATH-500) oft in Schleifen verhaftet war und keine Antwort lieferte. Astra identifizierte den Fehler und korrigierte 131.072 Parameter – weniger als 0,016 % des gesamten Modells.

Die Ergebnisse waren beeindruckend: Nach der Korrektur stieg die Leistung von Qwen auf 48,1 % im Test MATH-500 (statt 7,9 %) und erreichte auch einen höheren Score für GSM8K. Die Forscher betonen jedoch, dass dies keine neuen Fähigkeiten hinzufügt, sondern lediglich ein bestehendes Potenzial freilegt.

Die Studie wird als erster Schritt in Richtung "autonomer Verbesserung" von KI-Modellen gesehen. Allerdings bleiben die Grenzen klar: Die Methode funktioniert derzeit nur bei sehr kleinen Modellen und erfordert kein eigenes Training.