在简单离散世界之间迁移知识：深度递归模型跨规则组合的泛化研究

研究在类数独的小型离散世界中测试深度递归模型的规则泛化能力，训练覆盖多种规则组合，并在四个新颖性层级上评估。以符号描述或两个已解示例提供规则时，在新规则组合上描述达 99%、示例为 95%；当规则组件在训练中从未共现时，描述低于无信息基线，示例仍高于基线。该框架比 ARC-AGI 等基准更系统地检验泛化情形，为评估深度递归推理模型提供新依据。