Flow Reasoning Models 问世：递归流模型 Sudoku-Extreme 解题率 99.5%，FLOPs 省 44 倍
alec_helbling · x · 2026-09-03
IBM/Aлек Helbling 等人在 arXiv 发布论文《Flow Reasoning Models: Turning Flows Into Efficient Recurrent Reasoners》，提出面向结构化推理的新框架 FRM。
- 核心思路：将连续 flow 应用于离散结构化输出，通过对自身历史输出做 self-conditioning，把一次性去噪变成迭代式解的精炼，从而并行做出并修订相互依赖的决策。
- 关键改进：传统 self-conditioning 在递归深度加大时因 exposure bias 失效；作者提出 Fixed-Point Forcing（FPF），用模型自身推理动力学产生的状态训练，同时保持标准 flow-matching 目标。多次递归 pass 让 Sudoku-Extreme 从约 30% 提升到 99%。
- 成绩：Sudoku-Extreme、Zebra、Maze-Unique 解题率分别为 99.5%、100.0%、99.9%；在 Sudoku-Extreme 上以 44 倍更少 FLOPs 追平次优方法 EqR 的 98.7%，峰值精度更高，推理效率显著优于 HRM、TRM 和 masked diffusion。
- 理论视角：正确答案可视为自条件化 flow 动力学的不动点吸引子，给出优雅的动力系统解释。
所属事件:Flow Reasoning 模型以 44 倍更少算力解数独(4 条相关)→
「研究」频道最新
- Cohere 发布 ATE 数据集:近70万 MCP 工具透视 agent 自动化趋势 — Cohere_Labs · 2026-09-03
- 研究显示在线 RL 中动作分块同样显著提升 Contrastive RL 表现 — ben_eysenbach · 2026-09-03
- 编码模型数据枯竭？PL 学者提出「意图计算」新范式破局 — LingmingZhang · 2026-09-03
- davidad 力挺:无约束 RLVR 简单奖励函数应被全面禁用 — davidad · 2026-09-03
- Computerphile 深入讲解 AI 水印原理并现场演示实现 — Computerphile · 2026-09-03
- TrafficLab 3D：仅需监控 mp4 + 谷歌地图位置即可生成 3D 数字孪生交通可视化 — tom_doerr · 2026-09-03