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:分形盆地困住推理模型：瞬态混沌解释「过思维」(16 条相关)→
「研究」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27