微软iWSP:让Claude直接写权重,166参数实现算法任务
dair_ai · x · 2026-11-17
微软研究院等机构的论文提出「可解释权重空间编程」(iWSP):让 LLM 智能体不经过梯度训练,直接以代码形式编写 transformer 的权重与特征。智能体提出计算方案→写成显式权重→测试→迭代修订 30-50 轮,产出结果可逐行人工阅读。
关键结果:
- 26 次算法任务运行全部在 held-out 数据上达到 100% 准确率,通常是把已知算法直接写进权重
- 模型能力影响参数规模:解决任务的最小模型中位数仅 166 参数(Claude Opus 5.5),Sonnet 5.5 需中位数 41,600 参数,Haiku 5.5 需 100,000
- 语言任务更难,模型停留在约 19 万参数且准确率不敌梯度训练基线
- 还将 iWSP 应用于视觉/语言/听觉的神经编码模型,在视觉皮层编码上超越已有可解释基线
论文:arXiv 2611.18114,代码开源。
「漫话AGI」频道最新
- Chollet:高级 Agentic 编码本质就是机器学习 — fchollet · 2026-11-17
- Fleuret 质疑意识论证前提:谁说机制就没有感受? — francoisfleuret · 2026-11-17
- 「读书越多越失去原创」:知识分子变成观点复读机的思辨 — clarejtbirch · 2026-11-17
- 「形式化全部数学」八个月内从离谱变常识,CFSG 形式化纠出 96 处论文错误 — AlexKontorovich · 2026-11-17
- boot.dev 发布 2026 学编程数据:AI 时代的入门之路怎么走 — theobeers · 2026-11-17
- Josh Elman 提出消费级 AI 三问:模型变强,你的产品更值钱还是更脆弱? — arieljalali · 2026-11-17