研究者提出 ICS 测试时扩展方法

研究者 Haochen Shi 等人提出 Input-Conditioned Search（ICS）方法，用于递归推理器的测试时扩展。该方法无需额外训练，通过对输入条件进行搜索，为同一潜在状态生成不同更新映射，从而探索多样化推理路径。 研究者在六项推理任务上测试 ICS，称其取得最高平均准确率，且所需模型 FLOPs 比所评估的扩展基线最多少两个数量级。理论分析与数值验证还表明，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。