琳小航AI 日报

Astra 直接改 Qwen 小模型权重，数学题得分从 7.9% 升到 48.1%

内容：MIT CSAIL 团队 11 月 2 日发的研究博客：不让 GPT-6 Astra 写训练循环，直接让它改 Qwen3.5-0.8B 的权重，只动了其中 0.016% 的参数。

数据：同样的采样设置下，MATH-500 数学题得分从 7.9% 升到 48.1%，指令遵循测试 IFEval 提高到原来的约 3 倍。

亮点：Astra 先在权重里找到让模型陷入推理死循环的问题（Qwen 自己的模型卡里也提醒过这个毛病），再针对性改掉；另一个实验里，它只看一个小网络的 17253 个原始权重，就判断出这个网络训练的是 Breakout 游戏，把握 99%。

卡点：结果出自作者自己的博客，目前还没有别人复现。

4 天靠 Agent 合并约 1150 个 PR，做出一款网页游戏

经过：一个人业余做的项目，4 天里让 Agent 提交并合并了约 1150 个 PR，做出一款网页吸血鬼幸存者式小游戏。

办法：代码里每发现一个问题，就让 Agent 写一条 lint 规则，而不是自己改；热路径文件统一叫 .hot.ts，lint 禁止在里面分配内存。

亮点：状态机用 TLA+ 做形式化验证；首包 gzip 后 124 KB，超了构建直接报错。

HarnessMM：Agent 已定好的步骤不再让模型重想

内容：清华和微软团队提出 HarnessMM，把 Agent 循环里早已定死的步骤缓存下来，比如编译成功就跑测试，匹配上就直接执行，跳过模型回调。

亮点：98 个 HumanEval 任务里，DeepSeek Harness 的 Token 从 96.28k 降到 11.62k，成功率反升 14 个点。

高德、美团、淘宝等 10 家已开放官方 MCP 或 Skill

内容：出行生活类有高德、百度地图、腾讯地图、滴滴、美团、淘宝、麦当劳、瑞幸、飞猪、同程商旅。MCP 是 Agent 调外部服务的接口，Skill 是教 Agent 用某个服务的说明文档。

坑：多数要先申请 Key、开会员或授权账号，涉及付款的一步最后要人确认；淘宝需要装桌面客户端。