[AI]《BDH-CQ: In-Context Learning with Recurrent Latent Reasoning》B Engdahl, A Kosowski, J Chorowski, Z Stamirowska… [Pathway] (2026)

在人工智能推理领域，如何兼顾“即时学习”的灵活性与计算效率是一个悬而未决的难题。过去的方法受困于思维链推理，本质原因是它将计算与文本生成绑定，迫使模型将每一步思考都“说”出来再继续，过程缓慢且昂贵。

本文的核心洞见是：把上下文示例重新看作更新循环记忆的信号，而非引导文本生成的起点。由此，模型在潜在空间内反复迭代运算以直接求解，这一将“学习”与“计算”彻底分离的关键操作使问题得以解开。

这项工作真正留下的遗产是一种高性价比的推理架构，证明了无需庞大模型和语言生成也能实现灵活的即时学习。它为后来者打开的新门是构建小型、专用的高效能推理器，但尚未跨过的门槛是如何将此模式从视觉谜题扩展到更复杂的开放域语言与数学推理。

arxiv.org/abs/2608.09888 机器学习 人工智能 论文 AI创造营