LLM推論初出 8/11 02:39
BDH-CQ：Recurrent Latent ReasoningによるIn-Context Learning
BDH-CQ: In-Context Learning with Recurrent Latent Reasoning
https://export.arxiv.org/api/query2026/8/11
AI要約
In-Context LearningとRecurrent Latent Reasoningを組み合わせた推論モデル「BDH-CQ」を提案。推論過程を明示せず、逐次計算により問題を解く。
AI要点
- 「BDH-CQ」は、In-Context LearningとRecurrent Latent Reasoningを組み合わせた新しい推論モデルである。
- 推論時に過去の入力を連続的に記憶に更新し、中間的な推論を明示せず高次元潜在空間で計算を行う。
- ARC-AGI-1評価セットで、コスト効率の高い性能を実現し、既存の性能限界を打破した。
- 150Mパラメータモデルで、タスクあたり0.0007ドルの計算コストで高い精度を達成した。
なぜ重要か
大規模言語モデルが、高価な計算リソースを必要とせずに、過去の文脈情報を活用して複雑な推論タスクを効率的に解決できる可能性を示し、AIの性能とコスト効率のバランスを向上させる。