Pesquisadores do MIT CSAIL relataram, em 2 de novembro, um experimento de Programação no Espaço de Pesos no qual o GPT-6 Astra editou diretamente os pesos do modelo, em vez de usar descida de gradiente ou ajuste fino. No relato da pesquisa, a equipe afirma que o Astra alterou 131,072 pesos no Qwen3.5-0.8B, cerca de 0.016% do modelo, visando as camadas MLP 15 e 19.
Com um orçamento de 50 passagens diretas, o modelo editado melhorou de 7.9% para 48.1% no MATH-500 e de 13.8% para 67.1% no GSM8K, segundo a publicação. A parcela de respostas do MATH-500 que atingiram o limite de 32,768 tokens também caiu de 93.0% para 33.1%, o que os autores citam como evidência de que a edição eliminou um modo de falha por repetição em loop.
A ressalva é central para a afirmação. Como diz a publicação: "Corrigir loops, no entanto, não é o mesmo que tornar um modelo melhor em matemática: isso permite que o modelo conclua respostas que ele já conseguia resolver." Os autores também relatam um controle negativo no Gemma 3 270M, no qual o Astra não melhorou os resultados de forma significativa.