光学神经网络难校准?编码智能体把分类精度从 35% 拉到 96.8%
GordonWetzstein · x · 2026-11-20
斯坦福 Gordon Wetzstein 团队提出「Optics as code」范式:让编码智能体把光学硬件接入闭环,自动调校光学神经网络的参数。
- 痛点:光学神经网络校准困难,且存在 sim2real 差距
- 方法:coding agent 直接与硬件在环交互,快速迭代调整光学系统
- 结果:图像分类精度从 35% 提升到 96.8%
作者以 6 条推文线程展开,属物理 AI 中光学计算方向的有趣进展。
「编程与Agent」频道最新
- 旧 CLAUDE.md 正在拖累新 Claude:作者精简到 36 行效果更好 — PrajwalTomar_ · 2026-11-20
- 用 Claude 搭 PM/CTO/UX 虚拟团队:角色 prompt 已开源 — marilynika · 2026-11-20
- 开源 Intern 编排框架:Hy4 Flash 接棒 Opus 5.5,省近八成成本 — m4rkGS · 2026-11-20
- 开发者分享 MCP 设计心得:删掉发布工具让人工把关 — mariobalca · 2026-11-20
- 斯坦福论文:用编程智能体现场训练光学神经网络,逼近反传精度 — GordonWetzstein · 2026-11-20
- 斯坦福提出 Optics as Code:编码智能体实测调光学系统,35% 提到 96.8% — GordonWetzstein · 2026-11-20