arXiv · cs.AI· Haochen Shi, Tianwen Fu, Qianggang Ding, Yinhan Lu, Yizhan Li, Huan Zhang, Yajie Zhao, Xingdi Yuan, Hengyang Lu, Bang Liu·· 6 小时前
输入条件搜索提升递归推理器的测试时扩展效率
Input-Conditioned Search for Efficient Test-Time Scaling of Recursive Reasoners
arXiv:2610.18547v1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：Haochen Shi, Tianwen Fu, Qianggang Ding, Yinhan Lu, Yizhan Li, Huan Zhang, Yajie Zhao, Xingdi Yuan, Hengyang Lu, Bang Liu
研究任务与主要进展
研究提出输入条件搜索（ICS），无需额外训练，通过对输入条件进行搜索，使预训练递归推理器从同一潜在状态生成不同更新映射和推理轨迹。作者报告，ICS 在六项推理任务上取得最高平均准确率，同时所需模型 FLOPs 最多比所评估的扩展基线少两个数量级；摘要还称受控实验、理论分析和数值验证支持其改变轨迹并局部消除错误吸引不动点的作用。
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