Cheng Lou 开源 Handwired：手写权重将程序逻辑转为可微分神经网络，实现零训练精确推理与 WebGPU 加速

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/10/16 02:04:29

全景综述与最新动态

1 家信源交叉印证

前 React 核心成员 Cheng Lou 开源 Handwired，通过手写权重将 if-else 和循环等程序逻辑直接映射为神经网络结构，无需训练即可保证输出与原 JavaScript 代码完全一致。该项目利用 ReLU 激活函数模拟条件分支，支持全链路可微分，并展示了在浏览器中运行复杂 UI、利用 WebGPU 并行加速正则搜索以及实时反向传播优化布局等能力，探索了符号计算与神经网络的融合边界。

最新动向/前 React 核心成员 Cheng Lou 开源 Handwired，通过手写权重将 if-else 和循环等程序逻辑直接映射为神经网络结构，无需训练即可保证输出与原 JavaScript 代码完全一致。该项目利用 ReLU 激活函数模拟条件分支，支持全链路可微分，并展示了在浏览器中运行复杂 UI、利用 WebGPU 并行加速正则搜索以及实时反向传播优化布局等能力，探索了符号计算与神经网络的融合边界。

热度曲线逐小时热度走势

3 个完整观测小时

当前

16.8

峰值

17.603:00

近 24h 变化

–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先

宝玉 (@dotey)T2·10月16日 02:0478 分
Cheng Lou 开源 Handwired：手写权重将程序逻辑转为可微分神经网络，实现零训练精确推理与 WebGPU 加速
原标题：Cheng Lou 开源 Handwired：手写权重，把程序逻辑变成不用训练的神经网络
- 核心原理是利用 ReLU 函数构造阶跃信号来模拟布尔判断，将控制流逻辑硬编码进矩阵乘法权重中，实现零训练下的精确推理。
- 项目具备完全可微分特性，允许使用反向传播算法对由手写权重构成的网络进行微调或联合训练，打破了传统神经网络必须从头训练的定式。
- 演示了 WebGPU 在手写神经网络上的应用潜力，如在特定场景下比浏览器原生正则引擎更快，且能在 CPU 降级模式下保持功能可用。
查看关联报道与研判原始网页