前两天介绍的 Weight-Space Programming，把读取小网络参数、编写游戏策略网络和修改语言模型放在同一组实验里。Matthew Honnibal 的新批评针对读者可能从组合中得到的印象：这些结果是否都来自同一种“直接看权重就理解模型”的能力？他认为，实验之间提供的工具和反馈不同，不能这样串起来。
他逐项对照后指出，少数小网络实验直接把浮点权重交给模型，不允许运行网络；而 Qwen3.5-0.8B 数学改进实验提供 Python 环境、练习题和最多50批前向运行。前向运行指给网络输入、查看计算结果，不等于用梯度训练，但显然提供了额外反馈。本期回到原始文章第8项设置，确认作者明确写出了这些条件。
Honnibal 并不否认模型能完成有价值的机器学习工程工作。他反对的是把不同设置的成功，拼成模型拥有统一、深入的权重理解能力。讨论中也有人从实际开发角度回应：即便方法并非前所未有，让 Agent 帮忙完成以前做不好的修改，对他们仍然有用。这个分歧关乎新能力该如何命名，也关乎使用者从中能学到什么。