研究人员开发了一种名为 Lattice Deduction Transformer (LDT) 的新型循环 Transformer 模型，该模型可以近似逻辑推理。该模型在前向传递之间通过格（lattice）投影其潜在状态，并通过对解决方案候选者进行抽象解释进行监督来进行策略内训练。一个拥有 800K 参数的 LDT 变体在 Sudoku-Extreme 谜题上表现出色，解决了 99.999% 的谜题，并且训练 FLOPs 远少于之前的模型，同时保持了高健全性。一个拥有 1.8M 参数的更大 LDT 在 Maze-Hard 谜题上达到了 99.8% 的准确率。 AI
影响 这项研究为人工智能中的逻辑推理引入了一种新颖的架构，有可能提高特定任务的推理能力。
排序理由 该集群描述了一篇详细介绍新颖 AI 模型架构及其在特定基准测试上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
