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:OpenAI Astra 传采用循环深度技术，推理不可见引安全担忧(7 条相关)→
「研究」频道最新
- CMU 与 Meta 开源 TrackEverything：追踪长视频全部 3D 点 — AdamWHarley · 2026-10-21
- 开源婴儿脑连接工具包:vibe coding 串起皮层-电极-纤维追踪分析 — Dr_Alex_Crimi · 2026-10-21
- 伯克利获 Schmidt Sciences 资助：用 AI 破解抹香鲸与虎鲸语言 — begusgasper · 2026-10-21
- 斯坦福 CS336 第 6 讲:kernel 提速先少跑几趟显存 — stanfordnlp · 2026-10-21
- UIUC 论文：高分不等于会推理，LLM 换个表述就丢失推理规则 — UIUC-CS · 2026-10-21
- 马斯特里赫特研究标注 2122 段真实对话：用户如何向 LLM 求助法律问题 — Amirreza Mohseni · 2026-10-21