近期，两项围绕大语言模型权重空间的实验引发技术社区关注。据Latent Space旗下AINews栏目报道，研究人员通过编辑Qwen模型的权重来减少推理循环；另据Tom's Hardware报道，一名AI工程师将32位RISC-V CPU直接编译并插入Qwen 3.5 4B模型的权重中，该内置CPU可运行处理器算术运算、代码以及游戏DOOM。两项工作共同指向“权重空间编程”这一前沿方向。

实验细节：从减少推理循环到在权重中嵌入CPU

AINews在11月3日的报道中提及“LLMs can read & write neural network weights”，并将编辑Qwen权重以减少推理循环列为“权重空间编程”的案例之一。该报道标题称，这一方向“将Autoresearch移出RSI循环”。同一报道还提及DeepSeek的超级智能体原型和GDPx基准，但未展开具体细节。

Tom's Hardware在11月2日的报道中介绍，名为Qwenputer的实验将标准Qwen 3.5 4B大语言模型与一个32位RISC-V CPU混合，该CPU被编译并直接插入模型权重。报道称，这个内置CPU能够运行处理器算术运算、代码，当然还有DOOM。

技术意义：权重空间编程的两种路径

两项实验分别从不同角度展示了LLM与底层计算的融合。编辑权重以减少推理循环，意味着模型可以通过权重层面的调整优化自身推理过程；而将CPU编译进权重，则让模型权重本身承载了可执行的计算单元。AINews将前者称为“权重空间编程”，并认为其可能改变AI自我改进（RSI）的研究范式，使Autoresearch不再必需。

“LLMs can read & write neural network weights: ‘Weight Space Programming’ cuts Autoresearch out of the RSI loop”——AINews报道标题

Tom's Hardware则强调，Qwenputer是“标准Qwen 3.5 4B LLM与一个32位RISC-V CPU的实验性混合体”，CPU被编译并直接插入其权重。该报道未提供更多技术细节或性能数据。

后续关注

目前，两项实验均处于早期阶段，相关技术细节和可复现性尚未公开。业界关注点包括：权重编辑方法能否泛化到其他模型，以及权重中嵌入CPU是否会带来安全与可控性挑战。AINews报道中提到的DeepSeek超级智能体原型和GDPx基准，也可能成为后续讨论的焦点。