研究者提出生成式递归推理模型GRAM
热点事件持续更新
研究者提出生成式递归推理模型GRAM
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Junyeob Baek等作者提出生成式递归推理模型GRAM，把原本确定性的递归潜在推理改为随机潜在轨迹，使模型能够同时保留多条假设、探索多种解法，并可按递归深度和并行轨迹采样扩展推理计算。 该模型用摊销变分推断训练。作者称，GRAM在结构化推理和多解约束满足任务上优于确定性循环与递归基线，并具备无条件生成能力。
AI 根据报道生成 · 3 小时前更新
最新进展11月2日 13:00
GRAM：把递归潜在推理变成概率多轨迹计算报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · cs.AIGRAM：把递归潜在推理变成概率多轨迹计算
研究者提出生成式递归推理模型（GRAM，Generative Recursive reAsoning Models），将原本确定性的递归潜在推理改为随机潜在轨迹，支持多条假设、多种解法以及按递归深度和并行轨迹采样扩展推理计算。GRAM 用摊销变分推断训练，在结构化推理和多解约束满足任务上优于确定性循环与递归基线，并具备无条件生成能力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。