18 NOV 2026
EBR推理模型:效率提升385倍
来自Duke University、UIUC和Harvard University的研究团队推出了Energy-Based Reasoners(EBRs)。这种新型推理模型通过学习潜在推理状态的能量函数,将循环更新转化为梯度下降过程。EBRs无需外部验证器即可对候选预测进行评分,其梯度既能指导优化,又能提供自然的停止信号。在Sudoku-Extreme任务中,EBRs仅用180万参数就达到了99.9%的准确率,推理算力消耗比次优模型减少了345倍。在N-Queens和Graph Coloring等多解任务中,EBRs不仅保持了近100%的单样本准确率,还实现了最先进的解覆盖范围。这种基于能量的方法为高效推理提供了新的思路。
← Back to today