Claude 手写神经网络全部权重识别假法律引用，97.8% 胜过训练模型 94.6%

141_1337 · reddit · 2026-11-04

Reddit 帖展示了一个反直觉实验：让 Claude 不经任何训练、直接手写一个神经网络检测虚假法律引用（假判例引用），在测试集上达到 97.8% 准确率，超过用常规训练得到的模型（8192 条标签训练后 94.6%）。

图中的对比表格显示：手写权重版只见过 0 条标签、仅 3793 个非零参数即达 97.8%；加一轮修订（看 5062 条标签）后升至 98.9%；而常规训练模型用 512 条标签只有 76.5%，训练到 8192 条才到 94.6%，且需 10.7 万参数。

后续演示（CiteNetWall）显示该检查器在 Apple Neural Engine 上运行：64KB 文本块每块 2.27ms，M5 Pro 上每次引用检查约 50μs，ANE+GPU 合计每秒可核 180 万条引用，2.3 秒扫完 3.3GB 判例文书；对 LePhantomCite 留出集 31/31 全部抓出假引用，仅误报 1/983 条真引用。这暗示 LLM 可直接「编程」小模型而非依赖训练流程。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →