新方法ICS提升递归推理器测试时扩展效率

研究者 Haochen Shi 等人提出 Input-Conditioned Search（ICS），用于递归推理器的测试时扩展。针对深度扩展和基于扰动的宽度扩展都可能收敛到错误吸引子的问题，ICS 对同一隐状态施加不同更新映射来探索多样化推理轨迹，且无需额外训练。 在六项推理任务上，ICS 取得最高平均准确率，所需模型 FLOPs 比所评估的扩展基线最多少两个数量级。研究者称，理论与数值验证表明 ICS 可在局部消除错误的吸引不动点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。