Des chercheurs du MIT présentent une méthode de modification directe des poids de réseaux neuronaux

Des chercheurs du laboratoire CSAIL du MIT ont introduit une approche baptisée « programmation dans l'espace des poids » (Weight-Space Programming). Cette méthode permet à un grand modèle linguistique d'analyser et de modifier directement les poids internes d'un autre réseau neuronal, en évitant les processus conventionnels de rétropropagation et les boucles d'entraînement classiques.

Lors d'une expérimentation sur le modèle Qwen3.5-0.8B, le système a ajusté seulement 0,016 % des paramètres totaux. En ciblant les couches responsables de répétitions logiques, les chercheurs ont pu améliorer les performances du modèle sur des tests mathématiques complexes. La méthode démontre qu'il est possible d'optimiser le comportement d'une IA en levant des blocages fonctionnels internes.

Cette technique offre de nouvelles perspectives pour l'interprétabilité des systèmes d'intelligence artificielle et l'optimisation ciblée. Selon l'équipe de recherche, cette approche permet d'améliorer l'exploitation des capacités existantes des modèles sans nécessiter de ressources de calcul intensives propres à un réentraînement complet.