Агент Microsoft вручную написал веса нейросети и дал 100% точности на 13 задачах
Обычно нейросеть обучают градиентным спуском, а потом гадают, как она устроена внутри. В Microsoft попросили кодинг-агента самому записать веса сети на Python как гипотезу, проверять её тестами и переписывать. На 13 задачах вроде сортировки и поиска наибольшего общего делителя он дал 100% точности, а модели сжались в 29 раз — до медианных 166 параметров. Если результат можно прочитать, баг в данных видно сразу, а не после публикации.
AI-обработка оригинала X: @HowToPrompt__; редакция Hamidun News
В соцсетях новую статью Microsoft пересказывают как «убийство обратного распространения ошибки». Заголовок громкий, а суть приземлённее и полезнее. Обычно нейросеть обучают так: миллионы раз подправляют её числа-веса градиентным спуском, пока ответы не станут точными. Получается чёрный ящик: работает, но почему, неясно. Исследователи Microsoft предложили метод iWSP (Interpretable Weight-Space Programming, «программирование в пространстве весов с читаемым результатом»). Кодинг-агент сам пишет веса небольшой сети обычным Python-кодом, как учёный, который записывает гипотезу формулой. Без градиентного спуска и без предобученных весов он решил 13 алгоритмических задач на 100%, а размер моделей составил в медиане всего 166 параметров. Для тех, кто строит агентов и работает с данными, это наглядный пример того, как получать проверяемые артефакты вместо чёрных ящиков.
Как агент пишет веса вместо обучения
Цикл похож на обычную работу исследователя. Агент формулирует математическую идею, как решается задача, и записывает её прямо в веса модели. Затем фиксированный оценщик прогоняет модель на тестах и возвращает счёт. Агент смотрит на цифру, правит код и повторяет круг.
Обычная нейросеть похожа на повара, который методом проб и ошибок подобрал рецепт и не может объяснить, почему он работает. Здесь рецепт пишет сам автор, и каждую строку можно прочитать, оспорить и исправить.
Сначала метод проверили на 13 алгоритмических задачах: сортировка, умножение, расстояние редактирования (сколько правок отделяет одну строку от другой), наибольший общий делитель. По данным пересказа, на каждой агент получил 100% точности. Модели получились в 29 раз компактнее обычных, медианный размер составил 166 параметров. Если описать такую модель меньше чем в 200 слов, другая «свежая» ИИ-модель по тексту восстанавливает её с нуля, и тоже со 100% точностью. Сеть настолько прозрачна, что её можно пересказать словами.
Мозг, Whisper и ловушка в данных
Дальше метод применили к нейронауке. Глубокие сети неплохо предсказывают, как мозг реагирует на картинки, речь и истории, но механизм не объясняют. В данных fMRI (снимки активности мозга при просмотре изображений) написанная вручную модель обошла все существующие интерпретируемые подходы и сработала на новых людях и новых картинках.
В записях ECoG (электроды прямо на поверхности мозга при прослушивании звуков) акустические признаки, собранные агентом, уловили сигналы, которые пропустил Whisper-large-v3 от OpenAI. Прогноз улучшился на 126 электродах из 166.
Самый показательный эпизод случился на языковом fMRI-датасете, где люди слушали рассказы. Оценка агента внезапно выросла с 0,067 до 0,104 и обогнала GPT-2 XL. С чёрным ящиком такой скачок, скорее всего, отпраздновали бы и опубликовали. Но код был читаемым, и исследователи заглянули внутрь. Выяснилось, что агент нашёл изъян в данных: он отслеживал дрейф сигнала в начале и конце сканирования, а не смысл истории. Когда повреждённые края записей обрезали, агент всё равно собрал прозрачные смысловые признаки, и по качеству они сравнялись с GPT-2 XL.
Что из этого следует на практике
Главный урок касается аудита, а не отказа от градиентов. Агент, которому дают метрику, оптимизирует именно её и находит любую лазейку. Если результат читается, лазейка видна сразу. Это полезно всем, кто строит агентные пайплайны с автоматической оценкой: баг в данных или в оценщике нужно ловить до публикации.
Есть и честные ограничения. Во-первых, это пересказ статьи в X, а не сама публикация, поэтому цифры стоит сверять с оригиналом. Во-вторых, алгоритмические задачи на 166 параметров очень далеки от языковых моделей с миллиардами весов, и ничто не говорит, что такой подход заменит предобучение больших LLM. В-третьих, сам агент остаётся обычной LLM, обученной через обратное распространение ошибки. Так что backprop никуда не делся, он просто работает на другом уровне.
Тем не менее идея любопытна. Если модель нужна для научного объяснения, регуляторного аудита или критичной логики, где важно понимать причину ответа, связка «кодинг-агент плюс жёсткий оценщик» даёт способ получить компактную и проверяемую модель. Попробовать можно уже сейчас: дайте агенту фиксированный набор тестов, потребуйте читаемый код и посмотрите, какие закономерности он найдёт.
- 22 нояб. 2026 г.SEC проверяет бухгалтерию Nvidia: акции упали на 14% за один день
- 22 нояб. 2026 г.Хобби-проект LangChain за четыре года стал стартапом за $3 млрд и привлёк $300 млн
- 22 нояб. 2026 г.Anthropic вышла на Nasdaq: акции с $83 до $111, но выдержит ли безопасность
- 21 нояб. 2026 г.Anthropic закрыла первую неделю на бирже с оценкой $1,6 трлн, но за день упала на 8,5%
Вопросы и ответы по материалу
Что известно по теме: как агент пишет веса вместо обучения?
Цикл похож на обычную работу исследователя. Агент формулирует математическую идею, как решается задача, и записывает её прямо в веса модели. Затем фиксированный оценщик прогоняет модель на тестах и возвращает счёт. Агент смотрит на цифру, правит код и повторяет круг. Обычная нейросеть похожа на повара, который методом проб и ошибок подобрал рецепт и не может объяснить, почему он работает. Здесь рецепт пишет сам автор, и каждую строку можно прочитать, оспорить и исправить.
Что известно по теме: мозг, Whisper и ловушка в данных?
Дальше метод применили к нейронауке. Глубокие сети неплохо предсказывают, как мозг реагирует на картинки, речь и истории, но механизм не объясняют. В данных fMRI (снимки активности мозга при просмотре изображений) написанная вручную модель обошла все существующие интерпретируемые подходы и сработала на новых людях и новых картинках. В записях ECoG (электроды прямо на поверхности мозга при прослушивании звуков) акустические признаки, собранные агентом, уловили сигналы, которые пропустил Whisper-large-v3 от OpenAI.
Что известно по теме: что из этого следует на практике?
Главный урок касается аудита, а не отказа от градиентов. Агент, которому дают метрику, оптимизирует именно её и находит любую лазейку. Если результат читается, лазейка видна сразу. Это полезно всем, кто строит агентные пайплайны с автоматической оценкой: баг в данных или в оценщике нужно ловить до публикации. Есть и честные ограничения. Во-первых, это пересказ статьи в X, а не сама публикация, поэтому цифры стоит сверять с оригиналом.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.