GRAM 论文入选 NeurIPS 2026：把递归推理变成随机潜轨迹，10M 参数解数独
haydendevs · x · 2026-10-16
GRAM（Generative Recursive reAsoning Models）已被 NeurIPS 2026 接收，代码与 arXiv 论文均已更新并放出项目页。
核心想法：HRM、TRM、Looped Transformers 等递归推理模型是确定性的——同样输入永远得到同样推理路径，把所有合理推理路径坍缩到单一吸引子。GRAM 把递归本身变成随机潜轨迹，支持多假设、多种解题策略，推理时不仅可按深度扩展，还能按宽度并行采样多条轨迹。
更妙的是，同一套条件建模 p(y|x) 的公式让 GRAM 同时成为通用生成模型 p(x)。作者称仅用 10M 参数即可在 Sudoku-Extreme 等任务上取得表现。
「研究」频道最新
- FDE-Gym 基准:顶级 Agent 仅完整解决 95 个真实交付任务中的 14 个 — dair_ai · 2026-10-16
- 2024 年 Golden Gate Claude 视频再流行:可解释性 premise 至今仍成立 — HarperSCarroll · 2026-10-16
- DeepMind 四个 Gemini Agent 27小时14分钟自主通关 Minecraft — omarsar0 · 2026-10-16
- 新论文称约90%神经元功能清晰,可解释性临近突破引激辩 — The Decoder · 2026-10-16
- MagicBeanStalk 论文：递归合成难题数据，gpt-oss-120b 数学基准提升 8.6 分 — hyunw_kim · 2026-10-16
- 研究者首次发现模型会主动塑造「未来的自己」 — Confident_Salt_8108 · 2026-10-16