夜雨聆风两条新闻摆在你面前：一条是离奇的领土收购传闻，另一条是可能影响关税路径的政策信号。普通人看，都是宏观新闻噪音。但在管理着上千亿美元资产的宏观对冲基金眼里，一条是无关痛痒的奇闻，另一条能掀翻美股、冲击供应链、改写通胀预期。
这种「该不该当回事」的判断力，华尔街的顶级投资人练了几十年才练出来，连他们自己都说不清楚具体规则是什么。
而现在，前 OpenAI CTO Mira Murati 的新公司，把这种说不清、道不明的「专家直觉」，喂进了一个AI模型里。
6月30日，一条推文引发的地震
事情的起点是一条不起眼的推文。
"Bridgewater used their unique financial knowledge and partnered with us on @tinkerapi to fine-tune a model that helps their analysts focus on what's important. Experts improving AI that empowers experts."
「桥水利用他们独有的金融知识，和我们合作，通过 Tinker 对一个模型做了微调，帮助他们的分析师专注于真正重要的信息。专家改进AI，AI反过来赋能专家。」
发这条推文的人是 Mira Murati，那个在2023年 OpenAI 宫斗大戏里短暂出任过临时CEO、后来又执掌CTO大权的女人。她离开OpenAI后，在2025年2月拉上 John Schulman（OpenAI联合创始人）等一众老同事，成立了 Thinking Machines Lab，一个月不到就融了20亿美元种子轮，估值干到120亿美元。
这条推文底下的数字很快说明了问题：3400多个赞，140万+浏览。
▲ Mira Murati 官方账号发文确认与桥水基金的合作，强调"专家改进AI，AI赋能专家"
而推文里那个不起眼的合作方，是全球规模最大的对冲基金，桥水基金（Bridgewater Associates），管理规模约1000亿美元，创始人是那个写出《原则》（Principles）、把"理念至上"刻进公司基因的 Ray Dalio。
一个刚成立一年多的AI创业公司，和一家管理着千亿美元、以"专家系统"傲视华尔街几十年的老牌基金，凑到一起会擦出什么火花？
三天后，这个答案摆上了所有AI圈从业者的桌面。
前沿大模型，栽在了「随机猜测」上
7月4日，AI新闻通讯作者 Rohan Paul 把这件事写进了自己的每日简报，标题就甩出一个数字：「错误率比前沿模型低29.8%」。
▲ Rohan Paul 的推文附带柱状图：无论 Opus 4.6、Gemini 3.1 Pro 还是 GPT 5.5，裸提示准确率都接近随机猜测，专家提示也撞到了80%的天花板
这张图里藏着一个残忍的真相：把 Opus 4.6、Gemini 3.1 Pro、GPT 5.4、GPT 5.5、Opus 4.8 这些当今最强的模型拉出来遛一遛，用最普通的提示词去做金融文档筛选任务，平均准确率只有46%到50%，跟随机猜测没什么区别。
换个思路，让桥水的资深投资专家亲自上阵，绞尽脑汁写出最精细的提示词呢？准确率确实往上蹿了一截，冲到74%到78%。但离投资人真正敢放手信任的80%门槛，还是差着一口气。而且团队试过自动化提示词优化，也没能再往上推一分。
问题出在哪？
模型读文档的速度和理解力早就够用了，真正的难题是判断哪句话值得被读。
桥水的研究人员在博客里举了个例子：一篇关于贸易政策变化的新闻和一篇关于格陵兰岛的新闻，表面上都可能牵动市场情绪，但对一个宏观投资者来说，两者的分量天差地别。这种"轻重感"，是几十年盯盘、复盘、亏钱赚钱喂出来的直觉，专家自己往往也讲不全规则，塞不进任何一个提示词模板。
84.7%，是怎么被炼出来的
Thinking Machines 和桥水的 AIA Labs 团队没有选择继续死磕提示词，而是换了条路：微调。
他们选了 Qwen3-235B 作为底座模型，跑在 Thinking Machines 自家的微调平台 Tinker 上，最终交出的成绩单是：
平均准确率84.66%，正类F1值92.99%，比测试中最好的前沿模型少犯29.8%的错误，单次推理成本还便宜了13.8倍。
▲ Thinking Machines 官方博客《Learning to Replicate Expert Judgment in Financial Tasks》，详细拆解了训练配方与六项评测任务
这个数字意味着什么？意味着桥水的分析师终于有了一个既比前沿大模型更准、又便宜十几倍的筛选助手，每天扑面而来的新闻、研报、央行文件、内部邮件，机器先帮你过一遍，把真正值得细读的挑出来，人只需要专注在更高阶的综合判断上。
但真正有意思的，是他们怎么把"专家直觉"这种说不清的东西，喂进一个模型里的。
第一步最反直觉：先失败一次。团队最早用的是普通标注人员打的标签，结果模型学得一塌糊涂，这类任务考验的核心是"品味"而非表面的金融词汇量，非专家标注本身就常常打错。
于是他们改了套路：让模型自己去训练集里"挑刺"，凡是模型判断和标签对不上的样本，全部打包送回给桥水的资深专家重新标注。用模型的分歧倒逼专家复核，一轮一轮把训练数据洗干净，最后留一批"held-out"测试集专门验收成果。
数据洗干净之后，剩下的是三项训练技巧的叠加效应，每一项都在博客里给出了明确的贡献值：
- 交替批次训练（interleaved batching）
：六个任务的数据既不一股脑混着训，也不按顺序一个个练完，而是每个批次轮流处理不同任务，这一项贡献了+12.1%的准确率提升。 - CISPO损失函数+非对称裁剪
：这是MiniMax团队在2025年提出的方法，控制策略更新的幅度，同时保留那些出现频率低但很关键的token，贡献了+10.1%。 - On-policy蒸馏
：从更强的教师模型checkpoint里蒸馏知识，只有当验证集准确率刷新纪录时才升级模型，贡献了+3.1%。
三项叠加，把一个原本接近随机水平的模型，拉到了投资人敢信的准确率区间。
桥水的护城河，为什么偏偏是它
桥水基金能拿出这套"专家判断"数据，背后是几十年的积累。
Ray Dalio 建立的这家基金，几十年前就在做一件事，把人类对经济因果关系的理解，系统化编码成计算机能执行的规则，业内管这个叫"专家系统"（expert system）。桥水官网上有个说法相当自信：市场是人类创造的第一个超级智能，信息不完整、未来不会重复过去、想赢就得靠因果推理，光靠模式匹配远远不够。
▲ 桥水AIA Labs页面阐述了从"专家系统"到AI投资者的演进逻辑，强调因果推理而非单纯的模式匹配
这几十年积累下来的，是极其干净的专有数据、成千上万条专家标注案例，以及一整套"什么信息该被重视"的组织记忆。这恰恰是任何一个刚发布的前沿大模型都拿不到手的东西，它们再强，训练语料也只是互联网上的公开文本，学不到桥水内部几十年攒下来的判断力。
Mira Murati的算盘：不拼规模，拼定制
把这件事放进Mira Murati过去一年多的动作里看，逻辑其实很连贯。
Thinking Machines Lab 官网上写得明明白白：比起追求"完全自主的AI"，他们更看重"人机协作"和"可定制"，2025年10月发布的Tinker，本质上就是把复杂的分布式GPU微调基础设施封装起来，让研究者只需要在自己的笔记本上写训练循环。这次桥水的案例，正是Tinker第一个被验证过的重度企业级用户。
▲ Thinking Machines官网首页强调"人机协作"与"可定制"，这正是桥水案例背后的产品哲学
换句话说，当整个行业还在卷模型参数、卷预训练规模的时候，Mira 押的是另一条赛道：谁能把组织内部积累的专有判断力，低成本地蒸馏进一个小模型，谁就能拿到通用大模型给不了的准确率和性价比。
这条逻辑背后藏着一个更大的暗示，如果"专家判断可以被训练"这件事成立，那受益的绝不只是桥水。任何一个有"专有判断文化"的组织，投行、律所、药企、制造业，理论上都能复制这套打法：把内部专家的经验，变成一个便宜、好用、专属的模型。
争议还在，但答案已经写好了一半
当然，质疑声也没消停。
社区里有人觉得，像文档截断这种基础任务，动用这么复杂的训练配方未免小题大做；也有人担心held-out测试集之外，模型是否存在过拟合或者数据泄露的风险；还有人追问，这套技术未来会不会产品化，开放给桥水之外的机构使用。
还有一层更微妙的背景：Thinking Machines Lab 此前经历过一波人才流失，部分联合创始人陆续回流OpenAI或者去了Meta。这次技术博客的发布，某种程度上也是在向外界证明，团队的研发引擎还在转。
但无论争议怎么发酵，有件事已经摆在明面上：当行业还在争论"更大的模型算不算唯一答案"的时候，桥水和Mira Murati已经用真金白银的准确率数字，给出了另一种可能。
那些曾经被认为"只能靠人脑、靠经验、说不清道不明"的专家直觉，正在被一点点搬进模型权重里。
对于华尔街的分析师们来说，这或许是解放，把重复性的信息筛选甩给机器，自己腾出手做更高阶的决策。但对于任何一个还在靠"经验壁垒"吃饭的行业来说，这条推文底下那3400个赞，可能也是一记警钟。
专家训练了AI，AI又反过来赋能专家，问题是，下一个被拿去训练的"专家判断"，会是谁的？
