研究者提出GRAM生成式递归推理框架
热点事件持续更新
研究者提出GRAM生成式递归推理框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Junyeob Baek等研究者在arXiv论文《Generative Recursive Reasoning》（arXiv:2605.19376）中提出生成式递归推理模型GRAM，将递归潜在推理转化为随机的多轨迹概率计算，论文称该框架支持多假设、多解策略，并可通过递归深度与并行轨迹采样实现推理时扩展。 GRAM采用摊销变分推理训练。论文称其在结构化推理和多解约束满足任务上优于确定性递归基线，还可进行无条件生成。
AI 根据报道生成 · 1 小时前更新
最新进展11月3日 13:00
生成式递归推理模型 GRAM：将递归潜在推理转化为概率化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3日
- arXiv cs.AI生成式递归推理模型 GRAM：将递归潜在推理转化为概率化多轨迹计算
arXiv 论文提出生成式递归推理模型 GRAM，把递归潜在推理变成随机的多轨迹概率计算，支持多假设、多解策略，并可通过递归深度与并行轨迹采样实现推理时扩展。GRAM 用摊销变分推理训练，在结构化推理和多解约束满足任务上优于确定性递归基线，还能进行无条件生成。
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。