展开式流模型提升推理能力论文发布

研究者 Faissal Izermine 等人提交论文《Unrolled Flow Models for Reasoning》，提出 Unrolled Flow Models：在 [0,1] 的随机子区间上训练模型自身的潜在展开，仅在终点解码。作者称，该方法在 ProsQA 上将准确率提升至 97%，且性能随积分步数增加而改善；在 Sudoku 和 Maze 等需要更长展开的推理任务上，把潜在状态收缩到球面上可稳定动力学，性能大幅超越参数量为其三倍以上的基线。论文还称，采样多条展开并结合无参数选择分数可进一步提升表现。

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。