PaTh 给扩散模型装上思考器，10M 参数解出 92.5% 困难数独
jwvdm · x · 2026-10-13
华沙理工大学等机构研究者在 arXiv 发布论文《Think Before You Paint: Recursive Latent Reasoning for Diffusion Models》，提出 Painter-Thinker（PaTh）框架，把符号领域的递归推理机制（类似 TRM）搬进像素空间。
方法：一个约 10M 参数的小型递归网络（Thinker）在编码噪声图像与条件信息的 token 网格上推理，在每个去噪步内部迭代精炼潜状态，再通过 ControlNet 适配器引导一个冻结的扩散模型（Painter）输出。训练只用标准重建损失，不需要符号目标、外部求解器或验证器。
结果：
- 困难 MNIST 数独解出 92.5%（此前最佳 75%），极难档 71.2%（此前最佳仅 4.1%）
- 参数量 10M，远小于普通扩散模型的 82M
- 在迷宫、Queens、CLEVR 空间关系任务上同样优于基线，且问题越大优势越大（如 10 物体 CLEVR 场景 85% vs 62%）
- 诊断实验显示 PaTh 能修复注入的错误，而原扩散模型无法自我修复
结论：为符号数据设计的推理机制可以集成进像素空间扩散模型，弥补其在规则性视觉推理任务上的短板。
「研究」频道最新
- 数学家哀叹「研究领域被 OpenAI 毁了」：AI 正碾碎学术前沿 — ThereWas · 2026-10-13
- 「chicken」也能让基座模型推理：论文作者复盘先画图后做实验的写法 — RulinShao · 2026-10-13
- 地球天空是蓝的因为空气本身是蓝的？聊行星天空渲染 — moultano · 2026-10-13
- Ai2 发布 Olmo-core 3 训练框架，MoE 模型可扩展至万亿参数 — dl_weekly · 2026-10-13
- 为何LLM超出训练上下文长度即崩溃：RoPE几何框架给出解释 — burkov · 2026-10-13
- Google 三个月随机对照试验：AI 提升工作质量但新人不涨判断力 — rseroter · 2026-10-13