九个 LLM 写神经网络智能体实测:能跑,但更像手写程序
burkov · x · 2026-11-17
Burkov 转述的一项研究测试语言模型能否把游戏的已知规则转化为小型神经网络的权重,得到无需再调用 LLM、可通过训练改进的紧凑智能体。结论却更有保留:模型确实能写出可运行的神经智能体,但其行为更像手写程序而非学习得到的网络,且通常不如同一模型直接写的 Python 程序。
实验设置:
- 对比 9 个语言模型、20 个私有多关卡游戏族,使用 held-out 的关卡、视觉风格与起始状态;
- 每个模型拿到去除了 held-out 内容与解法的模拟器源码;
- 任务包括为固定网络写权重、自行设计网络结构、或直接写 Python 玩家程序。
这一方向原则上能把模型的推理固化进一个小系统,但当前结果表明模型输出的权重缺乏「学习」特征。
「模型」频道最新
- Carbon 4 high /goal 任务翻车:给出错误证明还无视提示中的正确答案 — jasondeanlee · 2026-11-17
- Pro 订阅用户发现大部分用量被悄悄路由到 Luna 5.6 模型 — felipebsr · 2026-11-17
- Mistral 宣传 Vibe+Le Chonk 为最强开源编码组合,欧洲免费三个月 — qtnx_ · 2026-11-17
- KRAFTON 把 29B MoE 蒸馏成 1.5B 小模型,专供游戏 NPC — Sam Witteveen · 2026-11-17
- 便宜 token 酿出最贵编码 agent:Flash 单任务 $11.97 vs Opus $1.62 — krishnan · 2026-11-17
- 网传 Gemini 4 将按元素命名,四档对标 Claude 各型号 — koltregaskes · 2026-11-17