Un equipo del MIT CSAIL presentó un nuevo método llamado 'Weight-Space Programming' (programación en espacio de pesos) para mejorar un modelo de lenguaje sin necesidad de reentrenarlo desde cero.

Al ajustar solo el 0,016% de los parámetros internos del modelo GPT-6 Astra, se logró aumentar el rendimiento matemático de Qwen3.5-0.8B de un 7,9% a un 48,1% en el test MATH-500.

Este enfoque podría ofrecer una alternativa al proceso costoso y computacionalmente intensivo de fine-tuning tradicional.