MIT一篇关于「权重空间编程」的博客这两天在AI圈刷屏。实验里，GPT-6 Astra自己写Python脚本排查诊断，只改了一个0.8B小模型里0.016%的权重，就治好了它的复读死循环，让数学成绩原地涨了6倍。

顶尖大模型已经不满足于自己答题，而是开始下场写脚本、调参数，甚至亲手训练另一个AI。这套思路被概括为RSI——不是一步登天，而是一级一级往上走。第一级早就是很多人的日常，而现在，普通人也已经站上了第二级。

靠着NaiveAI刚开源的Naive-N0.5-Flash，各路玩家已经在自己的电脑上整出了花活。小红书博主「不要葱姜蒜」（开源项目self-llm作者）用家里那台24GB内存的Mac直接开干。

过程并不顺利。第一轮刚跑完，成绩反而掉到了7.229分。去问一句「你是谁」，训出来的模型张口就是「我叫安陵容」——甄嬛还没训明白，倒先把安陵容给请出来了。

找准病根后，它立马写脚本剔除其他角色的口头禅，筛出566条地道的甄嬛台词重训，一下治好了串戏的毛病。训出来的模型会这样回话：「什么格式的回复，臣妾不懂。妹妹若要问宫里的事，我告诉你。」

这套玩法的价值在于：让强模型当一回「总教练」，在本地孵出6毫秒秒回、断网可用、数据不出内网的专精小模型。对垂直场景来说，速度与隐私可以同时拿到。

打开自己的电脑，就能叫来一个懂权衡、会排雷的「AI研发搭子」替你训出专属模型。属于普通人的Vibe Training时代，已经正式开场了。