三星提出 FLaRe:流匹配潜空间推理,1/4 延迟达到显式 CoT 97% 准确率
SamsungResearch · hf · 2026-10-06
- 研究背景:潜空间推理让 LLM 在连续空间中「思考」,只输出答案。论文提出有效的潜思维需满足五条标准:有用(真的帮助产出正确答案)、多样(重采样产生不同推理轨迹)、可解释(解码出的 CoT 确实反映答案所循的推理)、可用更多推理算力改进、以及在同等准确率下比显式 CoT 更高效。
- 现状问题:现有方法大多从问题学捷径、把显式 CoT 蒸馏进权重、或逐 token 模仿,很少同时满足五条。
- 方案:作者主张流匹配是潜空间推理的最佳路线,并提出 FLaRe 训练配方,涵盖潜空间编码内容与塑形方式、流的训练位置、答案读出方式,以及最后用模型自身「已验证思维」训练的阶段。
- 结果:逐条标准探测显示 FLaRe 在全部五条上超越此前潜空间方法;在算术基准上表现优于对比方法,以四分之一的延迟达到显式 CoT 准确率的 97%。
「研究」频道最新
- 人形机器人拉黄包车:上海创新研究院论文攻克耦合负载全身控制 — ChongZzZhang · 2026-10-06
- GPU 并行不等于随机数生成器：blelbach 反驳大模型非确定性论 — blelbach · 2026-10-06
- 谷歌 AIM 论文:给研究 Agent 建"想法地图",提速 3.1 倍逼近最优 — rohanpaul_ai · 2026-10-06
- Foil 方法让循环 MoE 翻倍专家数,百B token 预训练损失降 0.012 nat — Shouren Wang · 2026-10-06
- 139 篇语义决策引擎研究系统化:仅 4 篇用匹配实测支撑实时性宣称 — Delong Li · 2026-10-06
- 6G Open RAN 实测:Jev 决策模型 99.8% 达成 1 秒预算,托管 LLM 最低 0% — Delong Li · 2026-10-06