新研究：模型跨离散世界知识迁移

研究者 Silvère Gangloff 与 Jan Hula 发布论文，用类数独的小规模离散世界测试深度循环模型的知识迁移能力。模型以符号描述或两个解答示例接收规则，在已知规则的重新组合上新组合准确率达 99%（示例为 95%）；但对训练中从未共现的规则实例，描述方式低于无信息基线，示例方式仍高于基线。 该研究称其框架比 ARC-AGI 等基准更系统地测试泛化能力，为评估深度循环推理模型提供新依据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。