实体
Equilibrium Reasoners
Equilibrium Reasoners
PulseAugur coverage of Equilibrium Reasoners — every cluster mentioning Equilibrium Reasoners across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Energy-guided Recursive Model 增强神经网络推理能力，利用 Hopfield 能量 · 跟踪 2 个来源
研究人员推出了一种新颖的递归推理方法——Energy-guided Recursive Model (ERM)。ERM 利用显式的 Hopfield 能量来指导候选轨迹的选择，提供了一种原则性的推理机制。该方法与基于能量的采样技术无缝集成，以提高效率和排名。ERM 在数独和 Pencil Puzzle Bench 等复杂任务上表现出色，优于以往的模型。
-
Equilibrium Reasoners 通过学习吸引子实现可扩展推理
研究人员推出了一种新框架 Equilibrium Reasoners (EqR)，该框架能够实现迭代神经网络模型中的可扩展推理。EqR 假设可泛化的推理源于学习任务条件吸引子，而吸引子是稳定在有效解决方案上的动力学系统。这种方法允许模型根据任务难度自适应地分配计算资源，通过扩展测试时间计算量，显著提高了在 Sudoku-Extreme 等复杂问题上的准确性。