arXiv · cs.AI· Pengxiang Li, Dilxat Muhtar, Di He, Guinan Su, Lu Yin, Shiwei Liu·· 7 小时前
InfiLoop通过循环原生注意力残差支持数万次测试时迭代
Scaling to Tens of Thousands of Test-Time Iterations with Loop-Native Attention Residuals
arXiv:2610.11570v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Pengxiang Li, Dilxat Muhtar, Di He, Guinan Su, Lu Yin, Shiwei Liu
研究任务与主要进展
论文提出7M参数的InfiLoop循环Transformer，通过循环原生残差连接保留有用的中间推理状态；作者称其在广泛推理任务上优于现有递归架构，并在Sudoku-Extreme达到97.9%的精确准确率、ARC-AGI-2达到13.6%的pass@2。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org