ICS 提升递归推理器测试时扩展效率

2026年10月14日，arXiv 人工智能板块报道，Haochen Shi 等作者提出 Input-Conditioned Search（ICS），用于递归推理器的测试时扩展。报道称，递归推理器在深度扩展与扰动宽度扩展时均可能收敛到错误吸引子；ICS 无需额外训练，通过对输入条件搜索，为同一隐状态诱导出不同更新映射，从而探索多样化推理轨迹。在六项推理任务上，ICS 取得最高平均准确率，所需模型 FLOPs 比所评估的扩展基线最多少两个数量级。理论分析与数值验证表明，ICS 可在局部消除错误的吸引不动点。上述为当前唯一报道，尚无后续跟进或矛盾信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。