新研究提出递归深度架构，无需 CoT 即可实现隐式推理
iScienceLuvr · x · 2026-09-02
一篇题为《通过隐式推理扩展测试时计算：递归深度方法》的论文提出了一种新型语言模型架构。该模型通过迭代循环块在测试时展开到任意深度，从而在潜在空间中进行隐式推理，这与主流通过生成更多 token 来扩展计算的推理模型不同。该方法无需专门的思维链训练数据，能在小上下文窗口下工作，并捕捉难以用文字表达的推理类型。目前概念模型已扩展至 35 亿参数。
「研究」频道最新
- Loop 推出供应链 AI 基准评测 AuditBench — daniellewis · 2026-09-02
- 3B 模型 TwIL 在形式推理上击败 120B 开源模型 — Socially-great8275 · 2026-09-02
- 用 Q-learning 训练 GDevelop 平台游戏 AI — tristanbob · 2026-09-02
- 谷歌开源 MAPL-EMIT：卫星监测甲烷泄漏准确率 84% — DynamicWebPaige · 2026-09-02
- 研究称 ChatGPT 致全网写作方差下降超 20% — maier_ak · 2026-09-02
- AI 润色正在抹杀语言个性，影响社会诊断 — maier_ak · 2026-09-02