Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?

资讯 36氪 全文 3131 字 · 约 8 分钟读完 配图 9 张 分类OpusTransformer微软大模型

微软团队推iWSP,让大模型手写透明神经网络权重。

所属频道 大厂动态模型发布Claude 与 Anthropic

13类复杂算法任务、26次独立运行,一个全新的神经网络在隐藏测试集上准确率全部达到100%。

没有喂海量数据,也压根没用「反向传播」和「梯度下降」,整个过程就是这么跑完的。

这个满分网络小巧到近乎晶莹剔透,出自Claude Opus 5.5之手——它用代码一行一行直接「手写」了出来。

微软研究院近日与约翰斯·霍普金斯大学、哥伦比亚大学、纽约大学合作,发布了一项名为「可解释权重空间编程(iWSP)」的新研究。

研究给出的结论是:前沿大语言模型已经能绕开传统优化器,按照固定的评测反馈精准构思计算逻辑,再以代码形式把算法直接写进Transformer的权重里,手法如同外科医生。

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 1)

不用反向传播,AI直接当起「钟表匠」

深度学习常被人戏称为「炼丹」。

那场面就像一群盲人围着一台布满几亿个旋钮的巨大控制台,谁也看不清里面长什么样,只能靠机器偶尔发出的「报错声」,摸索着拧这个、转那个。

几万步迭代下来,机器居然真就正常运转了,某些任务甚至比人类自己还高,堪称「原地飞升」。

可你要是追问一句:哪个旋钮管逻辑?哪个旋钮管记忆?没人答得上来。

效果拔群,原理不详——旋钮拧对了是玄学,拧错了是事故,中间隔着一整片无人能解释的黑箱。

工程应用上,只要预测得准,这勉强可以接受。但在脑科学、物理学等极其严肃的科学探索中,这个缺陷太致命。

研究团队点出的核心痛点正是如此:

神经网络预测得很好,但很难被理解。在以『解释』为终极目标的科学领域,这是一个严重的问题。

拿神经科学来说,深度编码模型能非常准确地预测大脑对自然刺激的反应,可它们根本说不出,究竟是刺激中的「哪些特征」驱动了这些反应。

为了打破这个死局,微软团队提出了iWSP。他们的决定是:不许用反向传播,直接让AI去设定那些旋钮。

在iWSP的框架中,Opus 5.5化身为创世者。

它把传统的工作流整个翻了过来:

纯粹的推理:面对任务,系统不允许Opus进行任何基于梯度的训练。每次迭代,智能体只能看到一个单一的验证分数(Validation score)。

Opus 得从自己的先验知识里调出东西,先想清楚一套计算的思路。接着它动手写 Python 代码,把特征一个个明确摆出来,靠这些代码把这套思路落成一个个具体的权重数值。

闭环迭代:Opus评估这些特征,重复利用已知的正确模块,并根据那个单一的分数反馈,不断修改代码。

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 2)

平均下来,每次要跑39轮左右。

最终诞生的,是一个人类可以像阅读普通书籍一样,从头读到尾的「透明」Transformer。

它的每一个部分、每一行权重,都是AI「有意写就」。

反常识的真相

这项实验让人拍案叫绝的地方,不只是AI造出了AI。它还揭开了一个跟直觉拧着来的真相。

在AI圈子里,「大力出奇迹」一直被当成信条:千亿参数才算起步,万亿参数才叫未来,神经网络嘛,越大越能干。

可论文里的数据把这个常识直接翻了个面。13类算法实验中,AI「手搓」出来的模型,最终在隐藏测试集上全部拿到100%的准确率。

更神奇的现象出现在对比Anthropic家族不同级别模型的时候:算法题同样写到全对,AI越强,写出的网络反而越小。

相对基础的Haiku 5.5,手写网络的参数量中位数高达100,000个;中等档的Sonnet 5.5,这个数字是41,600个。

当前最强的Claude模型Opus 5.5,手写网络的参数中位数只有极其夸张的166个!

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 3)

166个参数,放在这个动辄千亿、万亿参数的大模型时代,简直就像一颗微尘。难怪有人建议大家把「166个参数」打在公屏上。

这么离谱的差距,到底是怎么来的?

日志记下了Opus的「心路历程」:它的策略是先想办法写对,再一轮一轮地往小里删。

一开始,为了保证逻辑能跑通,Opus也会先写一个大概3400个参数的网络。在可见集拿到100%满分后,它开始疯狂精简代码——剔除冗余计算,压缩复杂矩阵,硬生生把平均3400个参数删到了200个上下。

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 4)

这好比优等生和差生的差别:差生(Haiku)没弄懂公式的道理,碰上不会的题只能硬背,把各种可能情形一股脑装进脑子里,于是得备一本10万个参数的「大笔记本」;优等生(Opus)把算法的本质摸透了,算得出一条最核心的规则,一张166个参数的「小纸条」就够了。

这个发现极其震撼。它证明了:如果能找到真正正确的逻辑,解决复杂问题根本不需要堆砌。

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 5)

从数学题到人类大脑,让科学免于「被糊弄」

费这么大劲,让AI手搓几个做数学题的极小模型,到底有什么用?答案是为了真正的科学发现。

科学界眼下正面临一个尴尬的困境。拿神经科学来说,科学家为了搞懂人类大脑,会使用现成的深度学习黑盒模型来预测大脑的反应。

模型预测得确实很准,但科学家傻眼了:用一个搞不懂的黑盒,去预测另一个搞不懂的黑盒(大脑),预测对了又有什么用?大脑到底是怎么工作的,还是不知道!

要的是「解释」,光有「预测」不够。微软团队这套iWSP方法恰好在这件事上派上了用场。

原因在于,它生成的网络内部逻辑是透明的。团队把这个方法直接搬到了难度极高的大脑数据(Brain Encoding Models)上:语言fMRI(功能性磁共振成像)实验里,iWSP表现相当亮眼。

大脑数据集本身很复杂,若改用传统反向传播来训练,黑盒模型为了拿高分,会悄悄利用数据里的瑕疵作弊,而科学家压根察觉不到。

换成iWSP,Opus 4.7把模型一步一步明白地写了出来。科学家分析这个全透明模型时立刻发现不对:它精准地揪出了数据集里的一个混杂漏洞。

问题就这样被直接摆到了明面上。

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 6)

视觉皮层任务里也一样,iWSP的预测效果压过了现有的可解释模型,还把早期视觉区域和高级视觉区域各自如何进行不同计算展示得清清楚楚。

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 7)

在听觉ECoG到了(皮层脑电图)数据上,它成体系地找出并定义了那些能预测神经活动的「可解释声学特征」。

Opus 5.5手写权重:13类任务100%准确率,颠覆反向传播?(配图 8)

借助iWSP,AI真成了帮科学家发现真理的显微镜。

AI自主进化的黎明时刻

读到这里,不少人怕是要激动地喊出来:深度学习「炼丹时代」结束了!往后训练大模型不用再买几万张英伟达H100显卡,让超级AI直接写权重就行!

且慢。

不过,iWSP在纯算法任务和脑响应预测里表现非凡,一到自然语言处理(NLP)任务就撞了墙。

情感分类这类NLP任务中,人类语言的特征高度模糊、非结构化,幽默、反讽、多义词到处都是,压根没有绝对清晰的「数学公式」或「计算模块」能往里套。

碰上这种任务,Opus 5.5就显得颇为吃力。

为了够到一定准确率,它只能拼命堆特征,模型参数量被迫膨胀到19万个左右。更残酷的是,参数涨到19万,情感分类也只到72%;四个语言任务里,复述判断那个连「全猜最常见答案」的基线都没过。

这就点出了iWSP当前的核心局限:它眼下主要擅长「重组已知的算法和计算模块」。

复杂表征的涌现,目前依然离不开海量数据和梯度下降。

所以,绝不能据此认定通用大模型(AGI)已经不需要训练了。

真正底层的基座模型,依然得靠算力的「暴力美学」。

即便如此,微软这项研究仍是AI史上一个迷人的里程碑。

它向世界证明:在特定场景下,神经网络可以摆脱「盲目进化」。

参考资料:

https://arxiv.org/abs/2611.18114

https://github.com/csinva/weight-space-programming-autoresearch

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 阿姆斯特丹百人抗议微软数据中心,算力扩张遭遇落地抵触

    11月6日,100多名抗议者聚集在阿姆斯特丹一座计划供微软使用的数据中心工地,部分人进入现场、爬上起重机。路透社报道,组织这轮行动的联盟要求暂停大规模建设,直到政府制定更清楚的规则。项目业主表示愿意与当地各方沟通,微软则表示尊重和平表达意见的权利,但不赞同违法行为。

    来源 网易科技
  2. 13款AI应用停运调整:OpenAI、苹果、微软均在其中

    智东西11月17日消息,据TechCrunch昨日报道,截至目前,美国至少有13款行业知名、曾被寄予厚望的AI应用或项目相继停止运营、进行重大调整,或陷入发展困境。其中既有OpenAI、苹果、微软等科技巨头的产品,也有曾经风光无限的AI明星创业项目。 ▲13款或项目调整、转型或停止运营的AI应用(智东西制表) 在科技巨

    来源 AI 行业观察
  3. 微软数据中心工地遭抗议,弗吉尼亚经验揭示机房落地难在哪

    11月6日,100多名抗议者聚集在阿姆斯特丹一座计划供微软使用的数据中心工地,部分人进入现场、爬上起重机。路透社报道,组织这轮行动的联盟要求暂停大规模建设,直到政府制定更清楚的规则。项目业主表示愿意与当地各方沟通,微软则表示尊重和平表达意见的权利,但不赞同违法行为。 从云计算到人工智能,数据中心承接的需求越来越多,落地

    来源 AI 行业观察
  4. 抗议者爬上微软数据中心起重机,机房扩建正撞上地方阻力

    (本文作者为 冯伟冯大白,钛媒体经授权发布)文 | 冯伟冯大白11月6日,100多名抗议者聚集在阿姆斯特丹一座计划供微软使用的数据中心工地,部分人进入现场、爬上起重机。路透社报道,组织这轮行动的联盟要求暂停大规模建设,直到政府制定更清楚的规则。项目业主表示愿意与当地各方沟通,微软则表示尊重和平表达意见的权利,...

    来源 腾讯网
  5. GPT-6.2 Astra首发24小时口碑大翻车,硅谷大佬集体差评

    GPT-6.2刚发24小时口碑两极分化!API再砍20%登顶性价比之王,硅谷大佬却连夜写长信:写代码不如Opus 5.5 GPT-6.2 Astra和Sol,口碑好割裂,给我看不会了。 一边是榜单又杀疯了。 另一边,拿到早期测试权限的硅谷头部开发者们,却排着队交出了今年最严厉的差评。 HyperWrite联创Matt

    来源 AI 行业观察
  6. 总参数 224B、支持 100 万超长上下文!腾讯混元重磅开源 Hy4 flash 家族,多端生态全面上线

    人工智能开源生态再度迎来重磅更新。腾讯混元于2026年11月18日正式宣布开源 Hy4flash 模型,为开发者和广大用户带来了一款主打极致性价比的全新大模型选择。 家族矩阵全线亮相,多渠道支持便捷部署 此次腾讯混元推出的开源版本覆盖了多个不同规格,具体包含 Hy4flash、Hy4flash-FP

    来源 AI 开发者社区
  7. 腾讯WorkBuddy日活破千万:日均Token超100万亿,500强渗透一半

    腾讯今日发布 2026 年第三季度财报,其中披露了 WorkBuddy 的最新数据:截至 11 月初,这款 AI 助手日活跃用户数已突破 1000 万,日均 Token 调用量超过 100 万亿,一举成为中国大语言模型日均 Token 用量最高的 AI 产品。自今年 3 月发布以来,它已完成 100

    来源 AI 开发者社区
  8. 纳格尔获2026伯格鲁恩哲学奖:AI意识论“荒谬可笑”

    著名哲学家托马斯·纳格尔因在非人类意识领域的里程碑研究,荣获2026年伯格鲁恩哲学奖(奖金100万美元)。他在接受WIRED采访时,对当前AI意识热论泼冷水,直言将大语言模型视为有意识存在“简直荒谬”。本文梳理纳格尔的意识哲学观点,分析AI意识争论的背景与误区。

    来源 AI 科技快讯
  9. 微软发布 MAI Realtime 1:每音频分钟 0.01 美元,能被打断会打电话

    在昨日(11 月 17 日)的 Ignite 2026 大会上,微软发布首款语音对语音模型 MAI Realtime 1,主打真实企业场景。它能处理打断、快速确认、等对方说完等对话细节,嘈杂环境或多人同时说话时也能听懂请求。任务需要深想时还能调用更强推理引擎,连接企业系统完成预订、客服处理等操作,语

    来源 AI 开发者社区
  10. 纳德拉解释微软6万人买断:AI改变工作本质,让员工自己选

    微软在2026年10月向6万名员工提出买断方案,CEO纳德拉首次公开解释这一决定。他指出,AI正在改变工作的本质,与其再次大规模裁员,不如让员工主动选择去留。这背后是微软对AI时代组织形态的深层思考,也折射出整个科技行业在AI浪潮下的转型阵痛。

    来源 AI 科技快讯
  11. 微软自研芯片 Maia 200 投入生产:每瓦 token 性能提升 1.7 倍

    IT之家 11 月 18 日消息,昨日(11 月 17 日)召开的 Ignite 2026 活动中,微软宣布旗下第二代自研人工智能加速器 Maia 200 现已正式投入规模化生产,并开始在数据中心运行微软最大规模的前沿 AI 大模型。 与“领先 GPU 基础设施”相比,该加速器在 Microsoft Teams、Cop

    来源 AI 行业观察
  12. 腾讯WorkBuddy日活破1000万:日均Token超100万亿,企业500强渗透过半

    腾讯2026年第三季度财报披露,AI助手WorkBuddy截至11月初日活突破1000万,日均Token调用量超100万亿,成为中国大语言模型日均Token用量最高的AI产品。自今年3月发布以来,它已完成100多个大版本更新,迭代迅速;C端火热同时,B端也在拓展,开放平台上线仅两个月,Buddy应用已取得进展。

    来源 AI 产业速递
  13. 微软英特尔扩大合作:EMIB封装首次用于自研芯片,Xeon供货锁定多年

    11月18日,微软与英特尔宣布扩大战略合作,签署长期协议共推Azure云与AI基础设施建设。微软成为首家采用英特尔代工EMIB先进封装技术用于自研芯片的企业,下一代Maia AI加速器和Cobalt CPU将采用该技术封装。协议同步锁定多年期Xeon处理器供货,含下一代"Diamond Rapids"。

    来源 华尔街见闻
  14. 微软推出Decision-1.1决策模型:跑赢GPT-6 Luna,速度翻倍

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)宣布正式推出 Microsoft-Decision-1.1 决策 AI 模型,目前已在 Microsoft Foundry、OpenRouter 和 Vercel 平台上线。 该模型面向企业级软件中的高频决策场景,可帮助应用在路由、分类、优先级排序、内容核

    来源 AI 行业观察
  15. 微软推出 Decision-1.1:决策基准拿 68 分,跑赢 GPT-6 Luna

    微软17日推出决策模型Microsoft-Decision-1.1,已登陆Microsoft Foundry、OpenRouter和Vercel。它不闲聊,专攻企业软件高频决策:路由、分类、内容核验与工作流控制。模型只在开发者规则内从允许操作中选答案,并输出校准置信度;信息不足时弃权或提示人工介入,避免关键业务风险。评

    来源 AI 产业速递
  16. 微软MAI Image 2.7发布:1215分登顶图像编辑榜,成本仅对手1/5

    人工智能在图像生成与编辑领域的竞争迎来新的里程碑。微软于11月17日正式推出全新一代图像生成与编辑模型——MAI Image2.7与 MAI Image2.7Flash,并同步上线了由 Flash 驱动的交互式创作空间 Canvas。 精准局部修改:只改需要改的地方,全面保持视觉一致性 此次更新的核

    来源 AI 开发者社区
  17. 微软Decision-1.1决策模型发布:68分排第8,速度提升2倍

    智东西11月18日消息,今日,微软发布新一代决策模型Microsoft-Decision-1.1。在Artificial Analysis决策指数榜单中,Microsoft-Decision-1.1获得68分,排名第8,比微软首款决策模型高出6分,领先于Jev 1.14、谷歌Gemini Decision 1以及Ope

    来源 AI 行业观察
  18. 微软 MAI Image 2.7 发布:图像编辑榜单登顶,成本仅对手五分之一

    微软11月17日推出新一代图像生成与编辑模型MAI Image2.7与MAI Image2.7Flash,并上线Flash驱动的交互式创作空间Canvas。此次更新主打“精准修图”与“视觉稳定”:MAI Image2.7可对特定物体的颜色、材质或空间位置进行精准局部修改,只改需改之处,全面保持视觉一致性,标志AI图像生

    来源 AI 产业速递
  19. 微软MAI Realtime 1发布:语音对语音模型价格仅对手三分之一

    微软在 Ignite 2026 发布首款语音对语音模型 MAI Realtime 1,主打真实企业场景。它能处理打断、快速确认、等对方说完等对话细节,嘈杂或多人同时说话时也能听懂请求;需深度思考时可调用更强推理引擎,连接企业系统完成预订、客服等操作,语气风格可用提示词调教。价格是重头,基础语音对语音使用费按音频计,定价

    来源 AI 产业速递
  20. 微软MAI Image 2.7发布:1/5价格击败GPT Image 2.6登顶

    IT之家 11 月 18 日消息,微软昨日(11 月 17 日)发布推出 MAI Image 2.7 和 MAI Image 2.7 Flash 图像生成与编辑模型,并上线由 Flash 驱动的交互式创作空间 Canvas。 费用方面,两款模型已在 Microsoft Foundry 开启公开预览,官方公布的每千张图片

    来源 AI 行业观察
  21. Copilot成办公新入口:微软把Word、Excel装进对话界面

    微软宣布 Copilot 正式从“侧边栏助手”升级为“工作操作系统”,Word、Excel、PowerPoint 不再作为独立应用被打开,而是作为能力内嵌在 Copilot 的对话界面中。下一步是全天候在线的智能体(always-on agents)。这标志着办公软件从“打开应用找功能”转向“表达意图、由 A

    来源 AI 科技快讯
向下滚动自动加载更多