SanSi 提出循环推理架构：1.4B 小模型通过复用层迭代决策，准确率超越 4.2B 单遍模型

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/14 04:02:34

全景综述与最新动态

1 家信源交叉印证

研究提出 SanSi 框架，让预训练的小模型（如 Ouro-1.4B）在单次推理中循环复用同一组网络层多次以完成复杂决策。实验显示，该机制使模型在 10,027 个测试决策中的准确率达到 72.0%，显著高于同规模无循环模型的 58.4%；在长链逻辑任务上，其表现甚至优于参数量大 3 倍的单遍推理模型。该方法为内存受限场景下的高精度轻量级决策提供了新路径。

最新动向/研究提出 SanSi 框架，让预训练的小模型（如 Ouro-1.4B）在单次推理中循环复用同一组网络层多次以完成复杂决策。实验显示，该机制使模型在 10,027 个测试决策中的准确率达到 72.0%，显著高于同规模无循环模型的 58.4%；在长链逻辑任务上，其表现甚至优于参数量大 3 倍的单遍推理模型。该方法为内存受限场景下的高精度轻量级决策提供了新路径。

热度曲线逐小时热度走势

5 个完整观测小时

当前

14.2

峰值

15.605:00

近 24h 变化

–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先

Rohan Paul (@rohanpaul_ai)T2·10月14日 04:0268 分
SanSi 提出循环推理架构：1.4B 小模型通过复用层迭代决策，准确率超越 4.2B 单遍模型
原标题：This paper finds that small decision models get far more accurate by rerunning the same layers sever...
- SanSi 允许模型在 1 到 8 次循环间动态停止，每次循环均输出选项概率，实现自适应计算量。
- 在相同形状对比中，循环机制带来约 13.6% 的绝对准确率提升，代价是 7.7 倍计算量。
- 对于需要多步依赖关系的决策任务，循环小模型比单纯增大参数量更具备性价比优势。
查看存证研判原始网页