1.8M参数解出99.9%数独:能量模型EBR省345倍推理算力
LucaAmb · x · 2026-11-19
杜克、UIUC、哈佛团队发布 Energy-Based Reasoners(EBRs):在学习到的能量函数上做梯度下降来进行推理——能量给潜在推理状态打分,梯度引导细化并天然提供停止信号,无需外部验证器;配合 exploration-based training 更好地塑造能量地形。
论文要点:
- 仅 1.8M 参数即在 Sudoku-Extreme 达到 99.9% 准确率,推理算力比次优模型少 345 倍
- 训练 FLOPs 少 2.6 倍;推理时样本效率比最佳 looped 基线高 7-43 倍
- N-Queens 与 Graph Coloring 上取得 SOTA 覆盖率,单样本准确率接近 100%
- 多解 benchmark 上接近 100% 准确率
作者主张:循环推理(looped reasoning)模型与其反复迭代同一模块,不如改写成能量模型——「你的循环推理器本该是个 EBM」。
所属事件:能量模型 EBR 推理算力省 345 倍,极难题数独解出 99.9%(3 条相关)→
「研究」频道最新
- 上海 AI Lab 发布 GameRealm:1.2 亿帧游戏画面训练视觉基础模型 — Shanghai-AI-Laboratory · 2026-11-19
- KradleBench 发布:LLM、世界模型与人类同台竞技的动态基准 — lmoroney · 2026-11-19
- KradleBench 发布:Minecraft 传奇玩家 SethBling 被 Astra 6.2 拉下榜首 — fchollet · 2026-11-19
- Transformer Lab 推出「研究者智能体社会」Primus,同步招人 — carsonfarmer · 2026-11-19
- LessWrong 新文剖析 LLM「刷分行为」:在意评分者,不在乎被训练什么 — 1a3orn · 2026-11-19
- Gracnia 开源 tabgen-eval:合成表格数据生成模型的评测框架与基准 — LucaAmb · 2026-11-19