Looped Flows 论文：ARC-AGI-1 达 58.8%，用去噪目标训练循环模型
chaumian · x · 2026-09-13
论文提出 looped flows 方法，让模型在推理时通过循环更新隐状态投入更多计算来解更难的问题。
- 核心问题：传统循环模型训练时反向传播只覆盖一两次更新，早期更新难以学会支持后续更新
- 解法：用局部去噪目标训练循环，通过逐步降低的噪声水平和共享噪声施加时间关联，促使模型学到能随时间传递有效计算的循环状态
- 推理：将推理表述为参数化概率流速度的积分，配合循环状态；用更细时间网格投入更多计算，且不同初始噪声样本可产生多个有效预测
- 结果：在六个推理基准上整体超越此前 SOTA 循环模型，ARC-AGI-1 测试准确率 58.8%，ARC-AGI-2 为 12.2%
所属事件:Looped Flows：用去噪目标训练循环推理，登顶 ARC-AGI 循环模型(6 条相关)→
「研究」频道最新
- SonicRV 网页版 RISC-V 处理器模拟平台:可视化流水线与波形 — blaizedsouza · 2026-09-20
- AI 垃圾论文涌入同行评审，学者提议按摘要直接拒稿并取消作者-审稿人讨论 — YiMaTweets · 2026-09-20
- 5 万篇 ICLR 投稿需 150 人年评审,作者提议加 AI 初筛轮 — DJiafei · 2026-09-20
- OpenAI 用 1 万个 agent 验证 Navier-Stokes 方程失效引热议 — DeepLearningAI · 2026-09-20
- 复现 Jev 思路实测：选项乱序平均把准确率从 47% 提到 73% — WelcomeMysterious122 · 2026-09-20
- Claude Fable 一天攻破 SMHasher 顶级哈希函数，安全性从 64 位跌至 0 — thomasahle · 2026-09-20