Claude 无训练手写权重：13 任务 959 个程序，算法任务全满分
ChengleiSi · x · 2026-11-03
- 研究者受 Rikiya Takehi「Weight-Space Programming」启发，反向操作机制可解释性：不是训练后再分析权重，而是让 Claude 作为自主编码 agent 直接手写网络权重，完全不经过梯度下降。
- 实验设置：给 Claude 一个空白 transformer，要求逐个设定所有权重。共跑 13 个任务、写出 959 个权重空间程序。
- 结果：加法、乘法、排序、奇偶校验、GCD 等 10 个算法任务均在 3 次尝试内达到 100% 准确率；Claude 还会主动继续简化解法。
- 由于程序是「写出来」而非「学出来」的，每个注意力头和神经元的功能都自带解释，可作为机制可解释性研究的 ground truth。文中还展示了 parity 任务 174 参数程序的完整权重可视化。
- 转发者 csinva 补充：他们做了类似实验，认为原帖甚至低估了这一方法的能力——Claude 能从零写出完整可用的神经网络权重。
「编程与Agent」频道最新
- YC F26 新秀 Superserve 发布:为 Agent 每周调度 10 万台虚拟机 — ycombinator · 2026-11-03
- Lantern 发布面向 Agent 的「人才基建」:一个接口接入 70+ 工具触达任何人 — ycombinator · 2026-11-03
- 博主实测传闻中的 Claude Fable 5.5:奔跑长颈鹿测试胜过 Opus 5.5 — minchoi · 2026-11-03
- 「Opus 5.5 把代码库重构成了《大赋格》:团队骂翻,历史会证明它对」 — eigenron · 2026-11-03
- Scale AI 发布 READY 框架：准确率相同的 agent，人工审核量可差近 1/4 — demian_ai · 2026-11-03
- GitHub Copilot 团队首次公开各模型实测数据与 token 效率优化 — unixterminal · 2026-11-03