Looped Flows 论文：循环去噪推理 ARC-AGI-1 达 58.8%
MiniMax_AI · x · 2026-09-14
arXiv 论文《Thinking with Looped Flows》提出将 flow/diffusion 式去噪与循环推理（recurrent reasoning）结合的新方法。
核心思路
- 循环模型通过在推理时迭代更新隐状态来"花更多计算解决更难问题"，但传统 BPTT 训练只回传一两次更新，早期更新难以学会为后续更新铺路。
- Looped Flows 用局部去噪目标训练循环：通过递减的噪声水平和共享噪声，在不同去噪目标间建立时间关联，让模型即使梯度只覆盖少数几步更新，也能学到可跨时间迁移有用计算的循环状态。
- 推理时将学习到的去噪器参数化的概率流速度进行积分，可与循环状态耦合；更细的时间网格=更多推理计算，不同初始噪声可产生多个有效预测。
结果：在六个推理基准（含两个多解基准）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 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
- AI+卫星雷达绘出南极首张高分辨率地图，覆盖近 4 万座冰山 — anselm · 2026-09-14
- 腾讯连发多款检索模型，4 款登上 HF 趋势榜 — tomaarsen · 2026-09-14
- TII-254 McEliece 密钥恢复挑战被攻破,仅耗 27.2 GPU 小时 — jedisct1 · 2026-09-14
- 用行列式点过程做技能路由,让 LLM Agent 选技能不再重复 — Wang Wei · 2026-09-14
- 把 LLM 路由建模成上下文老虎机,有限反馈下亚线性遗憾 — Wang Wei · 2026-09-14
- 海德堡桂冠论坛上线每日播客，首期对话两位大奖得主 — thoefler · 2026-09-14