MIT のコンピュータサイエンス・人工知能研究所（ CSAIL ）が、 AI が別の AI モデルの内部パラメータを、追加学習なしに直接書き換えられることを実証した論文を 2026 年 11 月 2 日に公開しました。
論文タイトルは「 Sparks of Weight-Space Programming 」。著者は Rikiya Takehi、Jayden Teoh、Alex Zhang、Omar Khattab の 4 名で、 OpenAI が 2026 年 9 月 3 日にリリースした最新モデル「 GPT-6 Astra 」を使って実験を行いました。
従来、 AI モデルの性能を改善するには、大量のデータで再学習させる必要がありました。今回の研究が示したのは、それとはまったく異なるアプローチです。高性能な AI が別モデルの内部構造（ウェイト）を読み取り、問題のある箇所を特定して直接書き換えることで、動作を改善できるというものです。研究チームはこれを「 Weight-Space Programming （ウェイト空間プログラミング）」と呼んでいます。いわば、 AI が別の AI の内部を診断して修理する「メカニック」のような役割を担うイメージです。
実験では顕著な結果が得られています。 Astra はアリババのモデル「 Qwen3.5-0.8B 」の内部パラメータのわずか 0.016% を書き換えただけで、数学ベンチマーク（ MATH-500 ）のスコアを 7.9% から 48.1% へと大幅に引き上げました。別の実験でも、坂道で失速し続ける車の制御プログラムに対し、パラメータの 3.5% を修正した結果、その後の 1,024 回のテストすべてで成功しています。
ただし、研究者たちは過大評価に慎重です。この手法はあくまで「もともとあった能力を妨げていた問題を取り除く」ことには有効でしたが、モデルにまったく新しい能力を付け加えることはできませんでした。また、モデルの「正直さ」や「お世辞を言う傾向」といった特性をパラメータだけから読み取ることにも失敗しており、 AI の内部解釈にはまだ多くの課題があります。
一方、この技術にはセキュリティ上の懸念もあります。今回の研究は「問題のあるパラメータを発見して修正する」ことを目的としていましたが、同じ能力は悪用にも転じ得ます。たとえば、 AI モデルに特定の条件下でのみ誤動作を引き起こす「バックドア」を密かに埋め込むことも、理論上は可能になるからです。 AI の安全性を研究するコミュニティからは、この技術が攻撃と防御の両面で使われうるとして、注視する声が上がっています。研究チームはこれを「非常に初期段階の成果」と位置づけており、より大規模なモデルへの応用に向けた検証を次のステップとしています。
