CMU 与牛津论文:循环隐状态迭代可替代长思维链,ARC-AGI-1 达 58.8%
rohanpaul_ai · x · 2026-09-18
卡内基梅隆大学与牛津大学的论文《Thinking with Looped Flows》提出,模型可以通过反复精炼隐状态来“思考更久”,而不必生成更长的思维链——测试时算力不必等于生成更多 token。
核心方法与结果:
- 传统循环模型训练时只对一两次更新反向传播,早期更新难以支撑后续更新。looped flows 改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,在去噪目标间建立时间关联,促使模型学出能跨时间传递有效计算的循环状态。
- 推理时将过程表述为积分由去噪器参数化的概率流速度,并与循环状态耦合;可通过更细的时间网格投入更多计算来解更难的问题,还能从不同初始噪声得到多个有效预测。
- 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:CMU 与牛津论文：循环隐状态迭代可替代长思维链(2 条相关)→
「研究」频道最新
- AI 证明 Collatz 该算谁的功劳？学界署名困境激辩 — jd_pressman · 2026-09-18
- SceneAgent：将 3D 采集自动转为物理仿真场景，供机器人策略训练 — hankyang94 · 2026-09-18
- LAX 发布：自然数学语言直连 Lean，可形式化复杂度类结果 — lpachter · 2026-09-18
- Fari 研究院新论文:失准 AI 无需逃逸,说服监督者即可 — DG_Rand · 2026-09-18
- 生物医学世界模型框架提出：虚拟试药、逆向干预设计与序贯规划 — marinkazitnik · 2026-09-18
- LeanReact 0.1 发布：用 Lean 类型系统表达组合正确的前端组件 — hargup13 · 2026-09-18