[AINews] LLMs can read & write neural network weights: — LLM 直接读写神经网络权重，绕过写代码训练，RSI 能力从 0 到 1

• 论文让强模型直接读取并编辑弱模型的权重：能判断权重功能、按失败轨迹一步修 bug、50 步内朝目标改进，甚至一次性从零写出完整权重并击败独立训练的模型。含义：agent 的优化对象从代码层下沉到参数层，工具链需要权重级读写与验证接口。
• 作者把这一能力定位为机械可解释性的变体，目前只在简单游戏和 RL 策略上验证，尚难扩展到更复杂任务。含义：短期内它是窄场景工具，不宜当作通用自动研究替代品。
• 文章将其与 Karpathy 八个月前的 autoresearch 对照：后者靠写 PyTorch/JAX、跑算力、看 loss 曲线，新方法因效率显著会立刻被投入使用和探索。含义：递归自我改进循环里少了一层人工编码环节，评测与安全审计需前置。

原文：[AINews] LLMs can read & write neural network weights: "Weight Space Programming" cuts Autoresearch out of the RSI loop · 作者 Latent Space