研究者猜测 GPT-6 Astra 或用循环深度,SE-RRM 论文仅 200 万参数打平 ARC-AGI
gklambauer · x · 2026-09-04
- 作者 Günter Klambauer 猜测 GPT-6 Astra 可能采用「循环深度」:共享权重的 Transformer block 被反复施加多次,即其团队年初提出的循环推理模型(RRM)思路(未证实,属猜测)。
- 其新论文 SE-RRM(Symbol-Equivariant Recurrent Reasoning Models)在架构层面强制符号置换等变性,无需昂贵的数据增强即可保证符号/颜色置换下解一致。
- 性能:在 9x9 数独上超越此前 HRM/TRM 等 RRM;仅用 9x9 训练即可泛化到 4x4、16x16、25x25;在 ARC-AGI-1/2 上以仅 200 万参数、大幅减少数据增强取得有竞争力成绩。代码已开源。
所属事件:GPT-6 Astra 被猜采用循环深度，仅 200 万参数模型打平 ARC-AGI(2 条相关)→
「研究」频道最新
- GPT-6 Astra 刷新 ARC-AGI 纪录:标准测试 62.7%,新架构下达 99.9% — repligate · 2026-09-04
- 具身数据集 ACE-Data-0 上线一周冲上 HF 热榜,下载近 3 万 — liuziwei7 · 2026-09-04
- 单条查询训数百步仍持续提升，One-Shot OPD 复现全数据蒸馏大部分收益 — ParshinShojaee · 2026-09-04
- Astra 逼近经济学定理自动形式化,研究员押注 2027 年前攻克千禧难题 — Afinetheorem · 2026-09-04
- 从唯一分解定理到 Kimi K3:一段 22 分钟视频串起数论与 AI 底层数学 — anselm · 2026-09-04
- 用「心理测量画像」替代单一分数，Nature 提出评测新范式 — gleech · 2026-09-04