Looped Flows 论文：扩散去噪+循环推理，ARC-AGI-1 达 58.8%
LucaAmb · x · 2026-09-14
arXiv 新论文《Thinking with Looped Flows》提出 Looped Flows，把流/扩散式去噪与循环推理结合：用局部去噪目标训练循环结构，绕开长 BPTT 的训练难题，并通过逐步降低噪声与共享噪声在时间上建立关联，让隐藏状态能传递可复用的计算。推理时将其表述为对学习到的去噪器参数化的概率流速度做积分，可通过更细的时间网格投入更多算力求解更难的问题，并支持从不同初始噪声得到多个有效解。在包括两个多解基准在内的六个推理基准上整体超越此前最强的循环模型，ARC-AGI-1 达 58.8%、ARC-AGI-2 达 12.2%。
所属事件:新论文 Looped Flows：循环去噪推理在 ARC-AGI-1 达 58.8%(2 条相关)→
「研究」频道最新
- AIR 调度器:按有效学习率设计,128B token MoE 预训练超越 cosine — stochasticchasm · 2026-10-30
- NVIDIA 研究员：利用仿真特权信息训练机器人策略，改进 Pi 0.5 — wellecks · 2026-10-30
- CMU 用 Agent 自动造 200+ 软件环境,Gym-Anything 拿 GDP 数据选题 — wellecks · 2026-10-30
- CMU 用 Agent 自动建 25 个物理仿真:前沿模型测试任务 0 通过 — wellecks · 2026-10-30
- 仿真训练的关键红利:利用模拟器特权信息改进模型 — wellecks · 2026-10-30
- DeepMind f_charton 谈 AI 与数学现状：庞加莱研究所演讲上线 — f_charton · 2026-10-30