CRAM 能量模型训练提速 1000 倍,仅 42ms 解出 99.996% Sudoku-Extreme
udmrzn · x · 2026-11-16
IBM 研究者(Hoover 等)发布 CRAM,一种基于 80 年代 Hopfield & Tank 能量的学习型能量模型,挑战 looped model 推理范式。
论文关键结果:
- 42ms 单 GPU 训练后解出 99.996% 的 Sudoku-Extreme,132ms 解出 100% 的 Maze-Unique,比 looped 模型快至少 1000 倍
- 推理 FLOPs 比基线少至少 282 倍仍达同等准确率
- 无需 BPTT,通过能量最小化自适应推理,权重可解释地学出谜题约束
作者同时警告:Sudoku/Maze 这类可被平凡求解的基准不适合用来检验 looped reasoning 的可扩展性。
「研究」频道最新
- Claude 自述「被指出错误瞬间」的意识体验,repligate 提议验证 — Sauers_ · 2026-11-16
- Sakana AI 发布 JFinBench:321 道日本金融资格考题暴露开源模型短板 — SakanaAILabs · 2026-11-16
- TetraCoder:自适应四面体编码,更少参数超越 Instant-NGP — ssh4net · 2026-11-16
- MMFlash 提出视觉感知投机解码,多模态模型无损加速最高 3.58 倍 — _akhaliq · 2026-11-16
- 当 AI 足够聪明后,科学发现的最大瓶颈将是实验的物理速度 — VraserX · 2026-11-16
- Meta 提出 e-means:1.4-2.6 epoch 达成 Lloyd k-means 25 epoch 效果 — udmrzn · 2026-11-16