BDH-CQ 模型仅 1.5 亿参数突破 ARC-AGI
moschles · reddit · 2026-08-15
新研究提出 BDH-CQ 推理系统，通过潜在空间内的循环记忆与迭代计算进行上下文学习，中间推理状态不解码为语言。
- 机制：将演示更新至循环记忆，在高维潜在工作空间中通过迭代计算求解，无需显式链式思维。
- 表现：1.5 亿参数配置在 ARC-AGI-1 上达到 29.5% pass@2，计算成本仅 $0.0007/任务，突破了此前的成本-效率 Pareto 边界。
所属事件:1.5亿参数模型 ARC-AGI 得分 29.5%(3 条相关)→
「研究」频道最新
- 港城大发布免训练图像编辑框架 RefineEdit,背景保持全面领先 — CityU-HongKong · 2026-09-21
- tokenbender 分享一份「值得一读」的 AI 材料链接 — tokenbender · 2026-09-21
- QwenImage 2.1 引入 KV Cache,实测图像生成提速 2.55 倍 — RisingSayak · 2026-09-21
- 科学家用ML最常犯的错在选模型之前：11个必备观念 — bravo_abad · 2026-09-21
- 478 份提交角逐 5 万美元奖金，Aletheia AI 撒谎检测大赛揭晓获奖者 — gsarti_ · 2026-09-21
- IBM 发起 Steerability 大赛:征方案抑制大模型说谎,奖金取胜者登上 NeurIPS — davidbau · 2026-09-21