网易首页 > 网易号 > 正文 申请入驻

不用训练!Opus 5.5直接手写Transformer权重,13类任务全拿100%

0
分享至


新智元报道


在13类复杂的算法任务、26次独立运行中,一个全新的神经网络在隐藏测试集上全部达到了100%的准确率。

更不可思议的是,整个过程没有喂给它海量数据,甚至完全没有使用「反向传播」和「梯度下降」。

这个晶莹剔透、小巧至极的满分神经网络,是Claude Opus 5.5,用代码一行一行直接「手写」出来的。

近日,微软研究院联合约翰斯·霍普金斯大学、哥伦比亚大学和纽约大学的团队,发表了新研究「可解释权重空间编程(iWSP)」。

这项研究证明:前沿大语言模型已经可以直接越过传统的优化器,依据固定的评测反馈,像外科医生一样精准构思计算逻辑,并用代码将算法直接写进Transformer的权重里。


不用反向传播,AI直接当起「钟表匠」

深度学习常被戏称为「炼丹」。

整个过程,就像一群盲人围着一台布满几亿个旋钮的巨大控制台,谁也看不见里面长什么样,只能凭机器偶尔发出的「报错声」,摸索着拧这个、转那个。

几万步迭代下来,机器居然真就正常运转了,某些任务甚至比人类自己还高,堪称「原地飞升」。

可你要是追问一句:哪个旋钮管逻辑?哪个旋钮管记忆?没人答得上来。

总之,效果拔群,原理不详——旋钮拧对了是玄学,拧错了是事故,中间隔着一整片无人能解释的黑箱。

在工程应用上,只要预测得准,这勉强可以接受。但在脑科学、物理学等极其严肃的科学探索中,这个缺陷太致命。

正如研究团队所指出的核心痛点:

神经网络预测得很好,但很难被理解。在以『解释』为终极目标的科学领域,这是一个严重的问题。

以神经科学为例,深度编码模型能够非常准确地预测大脑对自然刺激的反应,但它们却根本说不出,究竟是刺激中的「哪些特征」驱动了这些反应。

为了打破这个死局,微软团队提出了iWSP。他们决定:不许用反向传播,直接让AI去设定那些旋钮。

在iWSP的框架中,Opus 5.5化身为创世者。

它完全颠覆了传统的工作流:

  1. 纯粹的推理:面对任务,系统不允许Opus进行任何基于梯度的训练。每次迭代,智能体只能看到一个单一的验证分数(Validation score)。

  2. 手写权重:Opus必须调用它已有的先验知识,构思一套计算逻辑。然后,它直接编写Python代码,显式地写出特征,将这套逻辑转化为具体的权重数字。

  3. 闭环迭代:Opus评估这些特征,重复利用已知的正确模块,并根据那个单一的分数反馈,不断修改代码。


平均每次跑39轮左右。

最终诞生的,是一个人类可以像阅读普通书籍一样,从头读到尾的「透明」Transformer。


它的每一个部分、每一行权重,都是AI「有意写就」。

反常识的真相

这项实验最让人拍案叫绝的,不仅是它成功让AI造出了AI,更在于它揭示了一个违背直觉的真相。

在传统的AI语境里,我们笃信「大力出奇迹」。千亿参数只是起步,万亿参数才是未来。

大家都以为,神经网络越大越能干。

但这篇论文的数据,直接把这个常识反了过来。

在13类算法实验中,所有由AI「手搓」出来的模型,最终都在隐藏测试集上拿到了100%的准确率。

但当我们对比Anthropic家族不同级别的模型时,神奇的现象出现了:同样把算法题写到全对,越强的AI,写出的网络越小。

  • 相对基础的Haiku 5.5手写的网络,参数量中位数高达100,000个。

  • 中等Sonnet 5.5需要的参数量中位数是41,600个。

  • 当前最强的Claude 模型Opus 5.5,它手写的网络参数中位数,只有极其夸张的166个!


建议大家把「166个参数」打在公屏上。在这个动辄千亿、万亿参数的大模型时代,166个参数简直就像一颗微尘。

为什么会有这么离谱的差距?

日志记录了Opus的「心路历程」:Opus的策略是,先想办法写对,再一轮一轮地往小里删。

一开始,Opus为了保证逻辑能跑通,也会先写一个大概有3400个参数的网络。


在可见集拿到100%满分后,它开始疯狂精简代码。它把冗余的计算剔除,把复杂的矩阵压缩,硬生生把平均3400个参数,删到了200个上下。


这就像是学霸和学渣的区别。

学渣(Haiku)不懂公式背后的原理,遇到不会的题就靠死记硬背,把所有可能的情况都塞进脑子,所以需要10万个参数的「大笔记本」。

而学霸(Opus)彻底看透了算法的本质,直接提炼出了最核心的计算规则,所以只需要166个参数的「一张小纸条」。

这个发现极其震撼。它证明了:如果能找到真正正确的逻辑,解决复杂问题根本不需要堆砌。


从数学题到人类大脑,让科学免于「被糊弄」

你可能会问:费这么大劲,让AI手搓几个做数学题的极小模型,到底有什么用?

答案是:为了真正的科学发现。

科学界目前正面临一个尴尬的困境。拿神经科学来说,科学家为了搞懂人类大脑,会使用现成的深度学习黑盒模型来预测大脑的反应。

确实,模型预测得很准,但科学家傻眼了:我用一个搞不懂的黑盒,去预测另一个搞不懂的黑盒(大脑)。预测对了有什么用?我还是不知道大脑到底是怎么工作的!

我们需要的是「解释」,而不仅仅是「预测」。

微软团队这套iWSP方法的价值,在这里大发神威。

因为它造出的网络,内部逻辑是透明的。研究团队将这个方法,直接应用到了极高难度的大脑数据(Brain Encoding Models)中:在语言fMRI(功能性磁共振成像)的实验里,iWSP立下了大功。

面对复杂的大脑数据集,如果用传统的反向传播训练,黑盒模型会为了拿到高分,偷偷利用数据里的瑕疵来作弊。

科学家根本察觉不到。


但在iWSP中,Opus 4.7把模型一步步明确地写了出来。在分析这个全透明模型时,科学家瞬间发现了不对劲:这个模型精准地揪出了数据集里的一个混杂漏洞!

它直接把问题摆在了明面上。


此外,在视觉皮层任务中,iWSP不仅预测效果超过了现有的可解释模型,还清晰地展示了在早期视觉和高级视觉区域,大脑如何进行不同计算。


在听觉ECoG(皮层脑电图)数据上,它系统性地发现并定义了那些能够预测神经活动的「可解释声学特征」。


通过iWSP,AI真正变成了帮助科学家发现真理的显微镜。

AI自主进化的黎明时刻

读到这里,许多人可能会激动地大喊:深度学习的「炼丹时代」结束了!以后训练大模型再也不需要买几万张英伟达H100显卡了,直接让超级AI写权重就行了!

且慢。

尽管iWSP在纯算法任务和脑响应预测中非同凡响,但在自然语言处理(NLP)任务中,它却撞上了南墙。

在情感分类等NLP任务中,人类的语言特征高度模糊、非结构化,充满了幽默、反讽、多义词,根本没有绝对清晰的「数学公式」或「计算模块」可以套用。

面对这种任务,Opus 5.5显得颇为吃力。

为了达到一定的准确率,它不得不拼命增加特征,导致模型参数量被迫膨胀到了19万个左右。更残酷的是,参数涨到19万,情感分类也只到72%;四个语言任务里,复述判断那个连「全猜最常见答案」的基线都没过。

这指出了当前iWSP方法的核心局限性:它目前主要擅长「重组已知的算法和计算模块」。

复杂表征的涌现,目前依然离不开海量数据和梯度下降。

因此,绝对不能据此认定,通用大模型(AGI)已经不需要训练了。

真正底层的基座模型,依然需要算力的「暴力美学」。

尽管如此,微软的这项研究,依然是AI史上一个迷人的里程碑。

它向世界证明:在特定的场景下,神经网络可以摆脱「盲目进化」。

参考资料:

https://arxiv.org/abs/2611.18114

https://github.com/csinva/weight-space-programming-autoresearch

编辑:大卫


特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
外交部回应高市早苗礼宾安排:根据国际惯例作出适当礼宾安排

外交部回应高市早苗礼宾安排:根据国际惯例作出适当礼宾安排

澎湃新闻
2026-11-19 15:49:14
马斯克公开表示:美国中期选举共和党惨败,我砸了4亿多美元,却几乎看不到回报,我觉得自己相当愚蠢,如果时光可以倒流,我会少投一些钱

马斯克公开表示:美国中期选举共和党惨败,我砸了4亿多美元,却几乎看不到回报,我觉得自己相当愚蠢,如果时光可以倒流,我会少投一些钱

吉刻新闻
2026-11-20 01:08:43
利润大跌60%,曾经国民零食第一股,快被街边量贩店干懵了

利润大跌60%,曾经国民零食第一股,快被街边量贩店干懵了

李砍柴
2026-11-19 21:49:58
雷军:本以为和张彤生了两个女儿足够幸福,没想到如今幸福又升级

雷军:本以为和张彤生了两个女儿足够幸福,没想到如今幸福又升级

不写散文诗
2026-11-19 12:51:52
泽连斯基回应特朗普访华

泽连斯基回应特朗普访华

凤凰卫视
2026-11-19 11:02:03
“感谢中方特殊安排”,特朗普又带着高规格代表团来了

“感谢中方特殊安排”,特朗普又带着高规格代表团来了

中国新闻周刊
2026-11-18 20:22:08
连续疯狂暴涨后,最大的危害是人们对油价消费产生了不可逆的转变

连续疯狂暴涨后,最大的危害是人们对油价消费产生了不可逆的转变

刘哥谈体育
2026-11-17 05:34:13
这才是宋氏三姐妹真实的相貌,不是演员扮演的角色!

这才是宋氏三姐妹真实的相貌,不是演员扮演的角色!

历史伟人录
2025-05-08 10:08:01
贾国龙不服输,又要做火锅生意:新店主打“冰煮鲜羊”,人均102元,西贝与天边砂锅焖面门店规模已大幅缩水

贾国龙不服输,又要做火锅生意:新店主打“冰煮鲜羊”,人均102元,西贝与天边砂锅焖面门店规模已大幅缩水

蓝鲸新闻
2026-11-19 16:25:03
无比怀念邓小平!

无比怀念邓小平!

梳子姐
2026-11-17 16:32:33
54年来头一遭,打破美国总统常规,特朗普在深圳究竟看到了什么?

54年来头一遭,打破美国总统常规,特朗普在深圳究竟看到了什么?

影孖看世界
2026-11-19 23:36:48
降温后才发现:上海满街不穿羽绒服了,都在穿“奶奶棉服”,轻薄显贵

降温后才发现:上海满街不穿羽绒服了,都在穿“奶奶棉服”,轻薄显贵

全球时尚
2026-11-18 23:49:24
他批判了自己的父亲,却依然没能证明忠诚

他批判了自己的父亲,却依然没能证明忠诚

熊倌儿
2026-11-19 09:55:32
马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

回京历史梦
2026-10-30 05:10:04
广州同学聚会吃了16万6,请客的人付完钱先走,剩下的人却翻脸了

广州同学聚会吃了16万6,请客的人付完钱先走,剩下的人却翻脸了

诡谲怪谈
2025-06-09 08:45:42
诈骗13.9亿,千万豪车,成堆金条被拍,才知王丽坤夫妇究竟多奢靡

诈骗13.9亿,千万豪车,成堆金条被拍,才知王丽坤夫妇究竟多奢靡

墨策讲历史
2026-11-10 09:59:57
兵败如山倒!国产新能源或已证明:中国其实不需要二线豪华品牌

兵败如山倒!国产新能源或已证明:中国其实不需要二线豪华品牌

铭记历史呀
2026-09-20 16:15:46
黄仁勋输得不冤!董事会的十位大佬,一群金融营销精英,到底是怎么上桌的?

黄仁勋输得不冤!董事会的十位大佬,一群金融营销精英,到底是怎么上桌的?

起点人文
2026-11-19 18:49:04
伊朗这是要下跪求和了!

伊朗这是要下跪求和了!

廖保平
2026-11-19 11:15:35
上海明明有南北高架,为什么还要花98亿在地下40米,再挖一条?

上海明明有南北高架,为什么还要花98亿在地下40米,再挖一条?

浩渺青史
2026-11-20 01:39:18
2026-11-20 02:56:49
新智元 incentive-icons
新智元
AI产业主平台领航智能+时代
16722文章数 67240关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

艺术
数码
游戏
亲子
公开课

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

数码要闻

苹果公布2026古典乐年度专辑:任奫灿《哥德堡变奏曲》获奖

PC Gamer试玩GTA6百小时:双主角出色但任务重复

亲子要闻

宝宝气人但是聪明的4个行为

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版