新研究:推理变慢源于瞬态混沌,分形盆地困住模型潜在推理
wgilpin0 · x · 2026-09-09
William Gilpin 团队在 arXiv 发布论文《Fractal basins trap latent reasoning》(6 页,附代码):
- 核心发现:推理模型在难题上“想更久”并非偶然,而是表现出瞬态混沌(transient chaos)——这是困难任务计算复杂度的物理后果。
- 分形盆地:从 Sudoku、迷宫、视觉谜题到数理逻辑,多种主流推理模型都可视为动力学系统,其吸引域具有分形结构,且分形度随任务难度上升。
- 机制:混沌源于推理长时间陷入鞍点附近——这些鞍点对应着问题的“几乎正确”解,模型反复接近又偏离。
- 结论:推理变慢是问题难度在现代 AI 模型中不可避免的后果;推理轨迹本身构成一类丰富的新动力学系统。
作者推测:训练模型解决难题时瞬态混沌不可避免——敏感性是支撑高难度计算所必需的,但代价是不可预测的推理成本。
所属事件:研究用分形盆地理论解释推理模型过度思考(13 条相关)→
「模型」频道最新
- Blender 同题实测：两旗舰模型输出差距悬殊，训练数据分布是主因 — ZeroStateReflex · 2026-09-09
- Netlify 上线 GPT-6 Astra 等 3 款新模型,Agent Runner 智能改配额用法 — thisiskp_ · 2026-09-09
- GLM-5.3-Flash 登顶智能体工具调用榜首,输出仅 $0.50/百万 token — shensi · 2026-09-09
- Artificial Analysis 四天两次调榜，Astra 真实实力获认可 — py-net · 2026-09-09
- Gary Marcus 断言：真正的能力在 harness 而非模型，企业 beware 黑箱 — GaryMarcus · 2026-09-09
- Inception 发布 Mercury 2.5：最强扩散 LLM，1107 tokens/秒、26 万上下文 — StefanoErmon · 2026-09-09