arXiv · cs.AI· Silv\`ere Gangloff, Jan Hula·· 11 小时前
深度循环模型在简单离散世界中的知识迁移研究
Knowledge transfer between simple discrete worlds
arXiv:2610.15081v1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：Silv\`ere Gangloff, Jan Hula
研究任务与主要进展
作者用共享规则生成的类数独谜题训练单一深度循环模型，考察其面对新谜题、新规则组合、未共同出现的规则配对和全新规则实例时的泛化。基于论文摘要，符号规则描述在已见过的规则组合上准确率为99%，高于示例条件的95%；但在组件从未共同出现的规则实例上，描述条件低于无信息基线，而示例条件仍高于基线。
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