150M 参数模型靠循环潜在推理刷新 ARC-AGI 成本精度前沿
pathwaycom · hf · 2026-08-11
Hugging Face 上发布了新模型 BDH-CQ。该模型仅有 1.5 亿（150M）参数，通过结合循环潜在推理（Recurrent Latent Reasoning）与上下文学习，在 ARC-AGI-1 基准测试中取得了全新的成本-精度前沿表现，展示了小参数模型在特定架构下的推理潜力。
「研究」频道最新
- 单机合并解谜游戏中的强化学习与长程规划策略探讨 — CaiwenGong · 2026-08-11
- 投票机制在智能体 RL 中充当序列级奖励信号 — burny_tech · 2026-08-11
- kohya 发布 MiniMax H3 图像训练与推理支持路线图 — bdsqlsz · 2026-08-11
- 单步生成新突破：Beckmann传输模型简化扩散推理 — kastnerkyle · 2026-08-11
- Turing Post 本周必读 AI 论文盘点 — TheTuringPost · 2026-08-11
- 新论文挑战传统认知：可解释性可与 LLM 能力同步扩展 — andreas_madsen · 2026-08-11