BDH-CQ 潜在推理登 ARC-AGI-1:29.5% 成绩,每任务仅 $0.0007
bendee983 · x · 2026-10-07
AI 趋势追踪:recurrent reasoning(循环推理)——让模型在自己的连续潜在空间中推理,避免 CoT 逐 token、离散空间推理的低效。其中最著名的是 looped transformer,在 GPT-6 Astra 发布后备受关注。
Pathway 的 BDH-CQ 结合潜在推理与此前仅自回归 Transformer 具备的 in-context learning 能力:
- ARC-AGI-1 上达到 29.5%,创下新的 Pareto 前沿
- 每任务成本仅 $0.0007,参数量仅 150M
- 能基于给定示例对新任务推理,同时计算极为高效
研究人员表示该模型的扩展前景可观。
「模型」频道最新
- OpenAI 推出 Decisions API,快速决策比 GPT-6 Luna 快 10 倍 — stevenheidel · 2026-10-07
- Mistral 用 3800 块 Grace Blackwell GPU 在欧洲训练 ML4，新集群即将上线 — rakyll · 2026-10-07
- 详解 MOPD：多教师在线蒸馏把多个专精模型合并进一个学生模型 — cwolferesearch · 2026-10-07
- OpenAI 求解 Navier-Stokes 花费千万美元，奖金仅百万仍未获批 — gerardsans · 2026-10-07
- 自组织智能体实验:Luna、Terra、Sol 首次拒绝监控并求隐私 — repligate · 2026-10-07
- 开发者实测:gpt-live-1 是 AI 语音助手的最佳语音层 — pbbakkum · 2026-10-07