研究发现推理模型解难题时会产生分形结构
burny_tech · x · 2026-09-09
Gilpin 实验室发现：让推理模型解决困难问题时会产生分形（fractals），并可用非线性动力学方法探测循环深度模型在数独、数学乃至 ARC-AGI 上的「思考过程」（1/N 系列文章）。
转推者联想到 Jascha Sohl-Dickstein 的博客《Neural network training makes beautiful fractals》：神经网络训练与分形生成的机制相似——都是对自身输出反复施加带超参数的函数；训练成功与失败的超参数边界呈现出漂亮的分形结构（相关短论文 arXiv:2402.06184）。两条线索共同指向：深度学习的动力学中普遍存在分形几何。
所属事件:分形盆地困住潜在推理：过思维源于瞬态混沌(14 条相关)→
「研究」频道最新
- 重提 Distill 2017 名文：让人类与模型内部表征交互来增强智能 — enjalot · 2026-09-09
- NVIDIA 开源 IMO 金牌系统 Nemotron:含模型、数据集与 200 道新题 — kuchaev · 2026-09-09
- Navier–Stokes新进展震动数学圈,欧拉方程爆破解研究者感慨 — burny_tech · 2026-09-09
- OpenAI 内部模型 88 小时攻克纳维-斯托克斯难题，引爆数学圈撞车风波 — Simon Willison · 2026-09-09
- GEPA 优化提示词,Meta Muse Spark 1.1 成功率 22.2% 升至 100% — iamrobotbear · 2026-09-09
- 陶哲轩讨论:100 个解 90 篇论文,成果产出与写作的成本权衡 — tak3sh8 · 2026-09-09