微軟推出自適應推理系統 CLIO：無需後訓練，GPT-4.1 成績超 o3

拿大模型做新藥研發或材料科學時，研究人員總會碰上一堵牆：現有的推理模型，思考模式全是在出廠前被強化學習固定死的。一旦 AI 跑偏，科學家在外面根本沒法插手。

Microsoft Research 提出了一套名為 CLIO 的現場最佳化認知環路架構。它的核心特點是不靠後訓練，直接給普通基礎模型套上執行時反思機制，把它們變成可以隨時被科學家接管的虛擬科學家。

在公認極難的 Humanity’s Last Exam（HLE）生物與醫學測試中，CLIO 把 OpenAI 基礎模型 GPT-4.1 的準確率從 8.55% 一路拉到了 22.37%，淨增 13.82%，相對提升超過 161%，不僅超越了基礎表現，還壓過了 OpenAI 的 o3（high）。

不做後訓練，讓模型在執行時自己反思

現在主流的推理模型，無論是靠人類反饋還是自動化獎勵，推理邏輯都是在出廠階段就被預先寫死的。使用者只能輸入提示詞，看著它在黑盒裡一步步往下算。

CLIO 換了一條路。它不給模型喂額外的訓練資料，而是在程式執行中即時建立反思環路。系統會自己生成想法、管理記憶，並根據前面的推導隨時調整後續行為。

測試資料顯示，僅僅給 GPT-4.1 加上 CLIO 的遞迴認知環路，準確率就提升了 5.92%。如果在環路外再接入 GraphRAG，讓它綜合多條演化分支選出最優策略，準確率還能再漲 7.90%。

就連原本在 HLE 上得分不到 2% 的 GPT-4o，在免疫學相關題目中也藉助這套方案提升了 13.60%，追平了頂尖的專門推理模型。

給 AI 裝上謙虛旋鈕，允許人類隨時打斷修改

對嚴肅科研來說，AI 最危險的地方不是算不出來，而是它算錯了卻表現得極其自信。現有的推理模型很少主動承認自己不確定。

微軟在 CLIO 裡設計了一套無需寫提示詞的物理控制旋鈕。研究人員可以自由調整不確定性的報警閾值，讓系統在摸不準的時候主動舉手，而不是硬著頭皮胡說。

更實用的是，科學家可以隨時暫停 AI 的思考鏈條，直接修改模型中間步驟裡的某個假設或推論，然後讓它從修改的地方繼續往下推導。這項技術並不繫結某一家模型，目前已經成為微軟新發布的 Microsoft Discovery 平臺背後的核心控制層。

為什麼重要

對從事藥物研發、生物醫療和高精尖工程的研究團隊來說，CLIO 提供了一種完全不同的解題思路。過去大家只能被動等待模型廠商釋出更強、更貴的推理模型，現在只要在外層套上一套透明的認知排程系統，普通模型也能跑出頂尖水準，而且每一步都看得清、改得動。

我們認為，微軟這一步最聰明的地方，在於它抓住了科研場景最在意的謙遜與可控。在商業文案裡幻覺幾句無傷大雅，但在合成生物學或材料篩選裡，一個堅定的錯誤就會浪費數月實驗經費。允許科學家中途介入、修改模型信念，真正把 AI 放回了實驗助手的正確位置。

當然，這套方案的代價也寫在明處。執行時反覆呼叫反思環路，再加上 GraphRAG 的多分支演化，推理耗時和計算開銷必然會成倍上漲。但看起來，在試錯成本極其高昂的科學探索領域，多花幾分鐘算力換取一份可追溯、可干預的推導過程，對研究人員來說依然非常划算。