A*-Thought-V2:用隐状态轨迹做高效潜在推理压缩
Xiaoang Xu · hf · 2026-09-09
A-Thought-V2 提出将思维链推理建模为 LLM 隐状态（hidden state）的轨迹，利用几何动力学信息在显式推理步骤与连续潜在 token 之间做选择性取舍：关键步骤保留显式形式，其余压缩为 latent tokens。
- 思路：以隐状态的几何动态作为信号，判断哪些推理步骤信息量高、可以无损压缩
- 效果：在保持或提升准确率的同时显著提高推理效率，减少生成长度
- 定位：属于 latent reasoning / 思维压缩方向的新尝试
「研究」频道最新
- 研究:国际象棋何时花时间思考,是检测作弊的关键信号 — TZahavy · 2026-09-09
- 表格基础模型登场:别再用 LLM 做特征预测,让它决定何时预测 — helloiamleonie · 2026-09-09
- 组合多种持续学习机制,百任务记忆保留率从1.2%升至34.9% — DanielKhashabi · 2026-09-09
- OpenAI 用 AI 找到 Navier-Stokes 奇点，千禧年难题证明被拆解 — eigensteve · 2026-09-09
- 数学家控 OpenAI 学术造假，Altman 否认，陶哲轩警告开放科学倒退 — The Decoder · 2026-09-09
- AI 数学突破引发学术界争议,Science 深挖风波始末 — pseudolus · 2026-09-09