伊利诺伊大学新论文:能量函数如何重写循环推理

资讯 AI 行业观察 全文 1906 字 · 约 5 分钟读完 分类推理模型学术研究

来自伊利诺伊大学的研究团队于2026年11月发表论文,提出能量函数引导的循环推理架构(EBR),用1.8M参数在Sudoku-Extreme基准上达到99.9%准确率,推理计算量仅为次优模型的1/345,同时在测试时用7倍更少的迭代次数和43倍更少的候选样本达到同等精度。这项工作揭示了现有循环推理模型"不知道自己是否在

所属频道 模型发布前沿研究

2026年11月6日,伊利诺伊大学的William Xingxu Chen、Alexi Gladstone、Zeyu Michael Li、Heng Ji与Yilun Du在arXiv上贴出论文《Energy-Based Reasoners: Your Recurrent Reasoner Should Be an Energy-Based Model》(arXiv:2611.08977)。论文给出的核心结论是:靠能量函数引导的循环推理模型(EBR)在难度最高的Sudoku-Extreme基准上做到99.9%准确率,所花推理计算量只有次优模型的1/345,参数量则为1.8M,对比方法普遍在5–10M。

现有循环推理模型的根本缺陷

循环推理模型的思路,是让一个小模块一遍遍跑,每轮迭代对隐层状态做一次修正,一点点逼近正确答案。这种循环归纳偏置的好处在于,模型推理时能把计算量动态分出去——题难就多迭代几轮,题简单就少迭代几轮。

但TRM、EqR、FPRM、GRAM这些现有循环推理模型,每次更新隐层状态都只靠自身学到的转换函数,没有任何外部信号去衡量当前猜测好不好。落到工程上就是两个麻烦:一是停不下来也停不准,只能设一个固定的最大迭代次数;二是同时生成多个候选答案时,缺少量化的比较依据。

研究者的说法是,现有循环模型缺少对“进展”的显式度量(no explicit measure of progress)。

能量函数如何填补这个空缺

EBR的做法是引入一个可学习的标量能量函数E(z; x),z代表当前的隐层推理状态,x代表输入的问题。函数吐出一个实数,数值越低,说明当前状态和问题越合拍。

迭代更新也随之改成沿能量函数的负梯度方向走,也就是往能量变低的方向走。前面那两个麻烦,一并有了着落:

  • 停止信号:隐层状态的梯度范数一旦低于阈值就停止迭代,简单问题收敛得快,难题则自动多迭代几轮。
  • 候选选择:并行生成多个候选时,直接挑能量最低的那个答案。

训练阶段还加进了“基于探索的训练”(exploration-based training),主动去探更多隐层状态,把能量景观塑造出来,免得错误状态被误判成低能量。

论文给出的Sudoku轨迹示例是这样的:初始猜测到第3步时还有29个格子填错,能量为−129.2;到第8步错误格子降到8个,能量−245.0;第13步全部填对,能量−324.6。能量曲线和正确性曲线对得上,错误状态下梯度一直偏大。

与现有方法的正面比较

论文在四个算法推理基准上与五个基线做了对比,下面列出参数规模和Sudoku-Extreme准确率:

  • TRM(5–7M参数):87.4%
  • EqR(5–7M参数):93.0%
  • FPRM(7M参数):94.2%
  • GRAM(10M参数):86.6%
  • Looped flows(5–7M参数):97.9%
  • EBR(1.8M参数):99.4%(单次采样),最高99.9%

EBR既拿到最高准确率,参数量又最小。往测试时扩展这个维度上看,EBR用少7倍的迭代次数就达到EqR的最佳准确率,用少43倍的候选样本数达到同等覆盖率,两个倍数乘起来,就是345倍的推理计算量差距。

论文提交后,HuggingFace的librarian-bot推荐了同期论文《Classical Energies Learn to Reason 1,000x Faster than Looped Models》(arXiv:2611.17309)。两项工作都指向同一个方向:能量函数在推理效率上有潜力。

对工程实践的真实影响

推理成本上的量级差异。主流推理模型的推理成本随问题复杂度大致线性上涨,EBR靠自适应停止机制把计算动态分配出去,对大规模部署推理服务的场景来说,成本意义很直接。

参数少也能跑出高性能,这事在EBR身上有了具体样本:1.8M参数的模型赢了10M参数的对手。放到结构化推理任务上看,架构设计的分量可能比参数规模更重。

测试时的算力还能自己调。EBR支持测试时扩展——多跑几条下降轨迹,挑能量最低的那个值,训练代码一行不用改,就能拿更多计算换更高准确率。

多解覆盖这个老问题,EBR给出的是一套系统解法:所有多解基准上,它拿到的不同有效解覆盖率都是最优,同时单次采样准确率仍保持在近100%。

前瞻判断

这项工作的核心主张是:循环推理模型在更新步骤上,需要一个能反映推理质量的标量信号来做引导。能量模型这套数学工具本身已经成熟,而EBR是头一个在推理基准上把两者组合起来做系统验证的工作。

接下来要看的方向有两个:一是能量函数在数学证明、代码生成这类自然语言推理任务上是否同样有效;二是同期论文与EBR之间是互补还是竞争。

如果EBR的结论能在更宽泛的任务上复现,那么“给循环推理加上能量函数”有可能会成为未来推理模型架构里的标准组件。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 伊利诺伊大学EBR模型:1.8M参数拿下数独99.9%,推理计算量仅1/345

    来自伊利诺伊大学的研究团队于2026年11月发表论文,提出能量函数引导的循环推理架构(EBR),用1.8M参数在Sudoku-Extreme基准上达到99.9%准确率,推理计算量仅为次优模型的1/345,同时在测试时用7倍更少的迭代次数和43倍更少的候选样本达到同等精度。这项工作揭示了现有循环推理模型"不知道

    来源 AI 科技快讯
  2. 1 厘米 12 格的标尺卖 3 篇论文,中南大学通报:学术不端,实锤

    网友质疑湘雅系论文“1厘米标尺刻12格”。中南大学通报,已核查湘雅二医院、湘雅医院3篇论文的实验记录、原始数据与投稿记录,经校学风建设委员会审议,认定三篇均构成学术不端。三篇论文涉及三种病,横跨三本期刊,包括2025年《Journal of Translational Medicine》鼻咽癌研究,一作邓某某。

    来源 AI 产业速递
  3. 中南大学通报湘雅系3篇论文:学术不端坐实,多人被降级禁报

    被网友扒出“1 厘米标尺上竟刻着 12 个格子”的湘雅系论文,有了官方结论。中南大学今日通报称,面对网络上对湘雅二医院、湘雅医院 3 篇论文的质疑,学校组织同行专家核查实验记录、原始数据与投稿记录,经校学风建设委员会审议,三篇论文全部坐实学术不端。 三篇论文,三种病 被点名的论文横跨三本期刊:202

    来源 AI 开发者社区
  4. Jason Wei离开Meta:思维链作者跳槽数据初创Mercor

    henry发自 凹非寺量子位 | 公众号QbitAI亏贼!小扎去年掷出上亿美金天价年包,好不容易从OpenAI撬来的“思维链”作者Jason Wei——入职Meta刚满一年出头,竟然直接提桶跑路了!而且,跑路的下家不是什么巨头,而是一家刚刚起步的数据初创公司……就在刚刚,Jason Wei在X上发帖官宣:自己将离开Me

    来源 腾讯网
  5. 莫少君接手抖音生活服务,豆包能成为他的胜负手吗?

    眼看交易规模即将追平美团,抖音生服却换下了掌门人。 据36氪报道,浦燕子不再担任抖音生活服务总裁,转任公司顾问,后续参与公益相关工作,职务由红果短剧负责人莫少君接任。 对此,抖音回应字母榜称,此次调整属于正常的管理岗位轮换与交接,生活服务是公司长期发展方向之一,对该板块会持续投入、长期经营。 浦燕子是2023年11月开

    来源 AI 行业观察
  6. Claude Fable 5.2攻克黑洞物理:20年计算收尾,界值锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

    来源 AI 科技快讯
  7. 腾讯:WorkBuddy最近七天年化收入超5亿美元

    【TechWeb】11月18日晚间,腾讯控股发布2026年第三季度财报,三季度腾讯营收2073.4亿元,同比增长8%。若剔除新AI产品贡献,经营利润同比增长8%至833亿元。 腾讯公司公关总监发文称,在财报分析师会上,“Martin 透露 WorkBuddy 最近七天的收入按年化折算超过5亿美元,是腾讯会议的两倍以上,

    来源 AI 行业观察
  8. 2亿人的红果:最后的流量神话|深氪

    文|兰杰 李小霞 编辑|乔芊 杨轩 即使是字节这样信仰数据的公司,也无法参透流量的一切秘密。 很难解释,为什么在2025年初,红果APP的日活用户数从1.2亿缓慢爬升到1.5亿,花了整整5个月之久。毕竟此前,红果以“每季度翻一倍”的惊人速度在猛增。 同样难以解释,为什么突然,“唰的一下,又迈过1.5亿了。”一位接近红果

    来源 AI 行业观察
  9. AI研究员给了一个GPU,十小时,还有一整套训练工具,接下来会发生什么?

    研究团队做了个实验,让一个AI智能体接管整个大语言模型的训练后调优流程。给它一台H100显卡,不限制的网络访问权限,还有十个小时的时间预算。然后,就看着它自己去折腾。结果让人意外。这个智能体在面对完整的工具箱时,没有像人类专家那样东做做西试试,反而迅速收窄到了一种操作上。整整三十三轮实验里,它反复做的事情...

    来源 腾讯网
  10. 生成式视觉推理多走几步能更聪明?论文从数学上给出否定答案

    你有没有想过这样一个问题:如果让一个AI模型多想几遍,它是不是就能变得更聪明?这听起来像是常识。人做数学题的时候,打草稿、检查、修改,步骤越多往往越准确。那AI生成图像来解决问题,是不是也应该是步骤越多越聪明?2025年,一群研究者盯着这个问题死磕了很久,最后得出一个让人意外的答案:不一定。**事情要从一种叫...

    来源 腾讯网
  11. 猎头已接触Arm CEO哈斯,英伟达换帅程序正式提速

    【TechWeb】11月19日,彭博社报道称,英伟达董事会聘请的猎头公司海德思哲(Heidrick & Struggles)已接触Arm首席执行官雷内·哈斯,将其列为接替黄仁勋的潜在人选。这是自11月12日黄仁勋辞去CEO、总裁及董事会成员职务以来,英伟达换帅程序中最具实质性的进展——在预测市场平台Polymarket

    来源 AI 行业观察
  12. OpenAI硬件2026年底出货:立讯精密独家代工整机与核心件

    OpenAI的首款AI硬件产品有了明确的时间表。11月19日,每日经济新闻援引供应链消息称,这款产品计划于2026年底启动出货,多家中国厂商深度参与其中——立讯精密不仅独家承担整机制造,还同时供应核心零部件。不过,关于这款硬件的具体形态,OpenAI官方至今仍未正式公布,“甜甜圈”“冰球”式的无屏设备轮廓,目前仍停留在

    来源 TechWeb
  13. 有道Q3经营利润同比增长19.2% AI订阅销售额超1亿

    【TechWeb】11月19日消息,网易有道公布2026年第三季度未经审计的财务业绩。报告期内,有道持续推进AI原生战略,聚焦高质量、高毛利率业务,AI应用在学习、办公、营销等场景纵深落地,盈利能力与经营质量保持稳健提升。 财报显示,有道三季度净收入达14.3亿;经营利润0.3亿,同比增长19.2%,连续九个季度实现经

    来源 AI 行业观察
  14. 「镁伽科技」完成近2亿美元融资,建设直接面向真实世界的AI智能基础设施|36氪首发

    文|胡香赟 编辑|海若镜 36氪获悉,近日,镁伽科技已完成新一轮近2亿美元融资。本轮融资由阿曼苏丹国主权财富基金阿曼投资局(OIA)参与投资,亚投资本、Granite Asia、创新工场等老股东加注,招银国际、苏创投、三江招商集团等机构跟投,覆盖国际主权资本、头部金融资本及地方国资产业资本等。 当前,AI for Sc

    来源 AI 行业观察
  15. 英伟达停售H200:25%关税通道关闭,杰富瑞测算营收最多减620亿美元

    当地时间11月17日,英伟达临时首席执行官科莱特·克雷斯在财报电话会上确认,公司将停止向中国销售H200 AI芯片——这意味着由黄仁勋此前与特朗普政府协商达成的对华特殊供货安排正式告终。这也是黄仁勋辞职之后,英伟达召开的首次财报沟通会,对华先进芯片供给毫无悬念地成为市场焦点议题。

    来源 TechWeb
  16. DeepSeek刚限完流,就去给开发者免单了

    简单来说,开发者通过DeepSeek模型执行联网搜索任务,不再需要为搜索和网页抓取额外支付按次调用费用,但模型本身消耗的Token仍然正常计费。

    来源 凤凰科技
向下滚动自动加载更多