Energy-Based Reasoners 论文:用能量函数引导潜空间推理与自适应停止
kalyan_kpl · x · 2026-11-22
论文提出 Energy-Based Reasoners(EBR),一种新的潜空间推理框架:
- 问题:现有循环式推理器缺少对"推理进度"的显式度量,难以引导潜状态更新、挑选最佳解、判断何时停止。
- 核心思路:在潜推理状态上学习一个能量函数,用梯度下降将状态推向低能量区域;同一个能量函数同时承担三件事——引导推理更新、对候选解排序打分、通过梯度收敛实现自适应停止。
- 配套机制:提出 State-based Explorative Modeling(SXM),探索多条潜轨迹并学习多样的有效解模式。
- 评测:在 Sudoku-Ex 等推理任务上验证(原帖截断,详见论文)。
把能量模型引入潜推理循环是该文的主要新意:统一的能量信号替代了外部的进度判断。
「研究」频道最新
- 帽子矩阵一句话讲透:最小二乘拟合中每个数据点权重几何 — RobertTLange · 2026-11-22
- Lean 社区通过机器可验证检查器认证黎曼证明;蜜罐假密钥曝光三家大模型厂商泄露 — LeviTurk · 2026-11-22
- 土耳其数学家借 AI 证明黎曼假设?被嘲「有机土耳其人」 — CatAstro_Piyush · 2026-11-22
- Burkov 推出《百页语言模型书》:PyTorch 手把手从零构建 LLM — burkov · 2026-11-22
- 生成式 AI 进心脏病学:Dagstuhl 跨学科研讨会落幕 — StephanMandt · 2026-11-22
- SubRoformer 用 DSP 子带滤波器刷新音乐源分离 SOTA — affige_yang · 2026-11-22