Hacker News AIT2·基座大模型
78 分
研究者提出能量推理器(EBRs),在潜空间上学习能量函数,将循环推理更新形式化为能量梯度下降,并利用能量值作为停止信号。在四个算法推理基准上,EBRs 匹配或超越现有循环推理模型,在 Sudoku-Extreme 上以 99.9% 准确率实现 345 倍推理算力节省,并在多解任务上达到最优解覆盖率。
Looped Models
通过反复迭代同一循环块来扩展有效深度、在潜空间完成多步推理的架构
研究者提出能量推理器(EBRs),在潜空间上学习能量函数,将循环推理更新形式化为能量梯度下降,并利用能量值作为停止信号。在四个算法推理基准上,EBRs 匹配或超越现有循环推理模型,在 Sudoku-Extreme 上以 99.9% 准确率实现 345 倍推理算力节省,并在多解任务上达到最优解覆盖率。