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
- DeepMind 首发智能经济学研究：AGI 冲击经济靠协同而非单模型变强 — Scobleizer · 2026-10-31
- 把整台任天堂塞进 1GB 权重：Qwenputer 衍生出 Nesformer — idanbeck · 2026-10-31
- AI 时代何为「科学发现」？ICLR 2027 提案 SCOPE 研讨会聚焦争议 — mariyaivasileva · 2026-10-31
- 机器人操作新基准 MolmoSpaces-CommonSense:所有策略无一超过 30% — RanjayKrishna · 2026-10-31
- 用培养脑细胞做视频模型：mischief 1 上线，每秒仅 0.5 美分 — evilsocket · 2026-10-31
- 斯坦福 CS336 笔记:Percy Liang 讲透 Scaling Laws 的思维方式转变 — stanfordnlp · 2026-10-31