arXiv · cs.AI· Tommaso Salvatori, Matteo Forasassi, Alexis Toumi, Giovanni de Felice·· 8 小时前
递归消息传递网络提升参数高效算法与约束推理
Tiny Recursive Message Passing
arXiv:2610.18649v1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：Tommaso Salvatori, Matteo Forasassi, Alexis Toumi, Giovanni de Felice
研究任务与主要进展
研究将深度监督、截断递归和测试时离散推理机制应用于消息传递网络，在 Sudoku-Extreme 上以约 16k 参数达到约 99% 测试准确率，训练约需 10 分钟 H100 或 9 小时 CPU。作者还发现，截断梯度的成本随信息跨图所需轮数增加，因此连线结构需在截断鲁棒性和跨问题规模迁移之间权衡；模型在 N-queens 和布尔可满足性上以更少参数零样本迁移到更大实例，并超过若干神经基线。
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