Tiny Recursive Message Passing 论文发布
热点事件持续更新
Tiny Recursive Message Passing 论文发布
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年10月15日，Tommaso Salvatori 等作者在 arXiv 发布论文，提出 Tiny Recursive Message Passing 方法。该研究将递归 Transformer 的深度监督、截断递归与离散演绎格等测试时方法应用于消息传递网络，发现两者互补，可得到参数高效的模型。据论文称，在 Sudoku-Extreme 上，16k 参数模型测试准确率约 99%，在 H100 上训练约 10 分钟，在 CPU 上约 9 小时。论文还称，模型能零样本迁移到比训练时更大的实例，在 N-queens 和布尔可满足性上以远少于主流神经基线的参数取得更优表现。上述准确率、训练时长与迁移表现均为该论文自述结果。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceTiny Recursive Message Passing：16k 参数模型在 Sudoku-Extreme 上达约 99% 准确率
研究将递归 Transformer 的深度监督、截断递归与离散演绎格等测试时方法用于消息传递网络，发现两者互补，可用极少参数取得高效结果。在 Sudoku-Extreme 上，16k 参数模型测试准确率约 99%，在 H100 上训练约 10 分钟，在 CPU 上约 9 小时。模型还能零样本迁移到比训练时更大的实例，在 N-queens 和布尔可满足性上以远少于主流神经基线的参数取得更优表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。