「循环流」路线升温:新论文 Thinking with Looped Flows 在 ARC-AGI-1 达 58.8%
alec_helbling · x · 2026-09-17
FRM 作者梳理相关工作,指出一个正在收敛的研究方向:用循环流(looped flow)架构把并行生成与迭代精炼配对。
新论文 Thinking with Looped Flows(arXiv 2609.11801)与 FRM 动机相近:
- 循环模型通过反复更新隐状态在推理期投入更多计算,但传统训练只对一两次更新做反向传播,早期更新难以支撑后续更新。
- 该文提出 looped flows:通过逐步降低噪声水平、共享噪声,在各去噪目标间建立时间关联,用局部去噪目标训练循环,即使梯度只覆盖少数几步,也能学到可跨时间传递有用计算的循环状态。
- 推理期通过更细的时间网格积分概率流速度场来换取更强算力,且不同初始噪声可产生多个有效预测。
- 在六个推理基准上整体超越此前 SOTA 循环模型:ARC-AGI-1 达 58.8%,ARC-AGI-2 达 12.2%(含两个多解基准)。
「研究」频道最新
- Google DeepMind Dream-RSI论文:把研究过程本身变成可自我改进的对象 — McDonaghMatthew · 2026-09-17
- Google DeepMind等发布Dream-RSI,实验记录可复用助力递归自我改进 — McDonaghMatthew · 2026-09-17
- MIT 机器人船群水上自组装搭桥，登 Nature — lukas_m_ziegler · 2026-09-17
- DeepMind 开源果蝇全身仿真，59 维动作空间可在笔记本上飞 — anthara_ai · 2026-09-17
- 小鹏发布 XPACE 具身世界模型，IRON 机器人用未来模拟学恢复 — CyberRobooo · 2026-09-17
- 新型稀疏模型附赠廉价归因方法：max-pooling 可把输出映射回输入词 — antoine_chaffin · 2026-09-17