ReMAP：任意阶马尔可夫随机场可扩展MAP推理

2026年10月15日，arXiv Artificial Intelligence 出现一篇由 Yaomin Wang 等作者提交的论文，提出名为 ReMAP 的方法，主题是面向任意阶马尔可夫随机场的可扩展 MAP 推理。报道称，ReMAP 是一种实例级优化器，在乘积边缘分布下最小化精确多线性能量；其做法是把 GNN 输出加到自由的逐节点 logits 上，从而实现无损的残差神经提升。报道还称，该残差旁路属于全局坐标变换，能够保持下确界、临界点、局部极值与 Hessian 惯性不变。目前该事件仅有这一篇报道，尚无后续跟进报道，也没有关于实验规模、对比结果或代码发布的信息。

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。