QRR 循环推理器：商空间收敛，Sudoku-Extreme 达 97.9% 且循环减少 78%
burny_tech · x · 2026-10-16
导师 tkrusch 转发其学生 Sumin Park 的新工作：商循环推理器（Quotient Recurrent Reasoner, QRR）。
问题与思路
- TRM、FPRM 等循环推理模型在收敛前会把大量循环耗费在不起推理作用的振荡动力学上，浪费算力。
- QRR 利用规范等变性（gauge equivariance），把收敛定义在商空间而非状态空间：由对称性生成的旋转可以持续存在，而任务相关的动力学在商空间中更快收敛——振荡只是同一等价类内的运动（配图显示原始轨迹持续振荡，商空间距离却单调下降到根）。
结果
- Sudoku-Extreme 达 97.9%，且比 FPRM 减少 78% 的循环。
- 作者称在多个推理 benchmark 上表现强劲，并附可视化线程。
所属事件:QRR 商循环推理器发布：Sudoku-Extreme 准确率 97.9%(2 条相关)→
「研究」频道最新
- FOMO-Dex 力控遥操作：机器人学会拿薄卡片、拧螺丝 — HaozhiQ · 2026-10-16
- 机制可解释性新假设：神经网络从训练第一步就开始泛化 — burny_tech · 2026-10-16
- 普林斯顿 AI 实验室启动新研究计划：确保自主系统符合人类意图 — LakeBrenden · 2026-10-16
- UbiComp 2026 论文 OrganicHAR：让传感器「发现」活动而非识别预设标签 — mynkgoel · 2026-10-16
- 把快程序编译成慢神经网络？开发者吐槽这类实验实用价值存疑 — ctjlewis · 2026-10-16
- 新论文提出用显示偏好法辨析 AI Agent 合作的动机 — brwilder · 2026-10-16