dspy-wsp 發布 WeightSpace 優化器，透過 writer LLM 編輯模型權重

dspy-wsp 是一個 DSPy 優化器原型，將 Weight-Space Programming 帶入現有程式，讓 GPT-6-Astra 等 writer LLM 無需梯度或訓練即可編輯另一個模型的權重。在 Typed Decisions 基準上，以五個參數量從 0.6B 到 9B 的開放決策模型測試，WeightSpace 單獨在 400 個留出案例上提升了 1.9 到 16.1 個百分點的準確率，與 ReAnchor 優化器結合時則提升 6.5 到 20.0 個百分點。每次執行以最大推理強度進行 25 次前向傳遞，花費約 $5-10，編輯後的模型可透過 Apple 晶片上的 MLX 或 NVIDIA GPU 上的 PyTorch 在本機執行。