‏🧠 تفکر عمیق‌تر هوش مصنوعی با متد Looped Flows

‏محققان در مقاله جدیدی با عنوان Thinking with Looped Flows روشی نوآورانه معرفی کرده‌اند که به مدل‌های هوش مصنوعی اجازه می‌دهد بدون طولانی کردن زنجیره متنی استنتاج (Chain of Thought)، به صورت درونی روی مسئله فکر کنند و دقت خود را افزایش دهند.

‏چالش اصلی مدل‌های فعلی این است که آموزش مراحل متوالی برای پشتیبانی از گام‌های بعدی دشوار است. این متد با استفاده از بازگشت (Recurrence) و اهداف حذف نویز محلی، مدل را ترغیب می‌کند تا اطلاعات مفید را در طول به‌روزرسانی‌های متوالی حفظ کند.

‏مهم‌ترین ویژگی‌های این رویکرد:
‏* استفاده از یک حذف‌کننده وضعیت‌مند برای به‌روزرسانی وضعیت بازگشتی و جریان احتمالی.
‏* صرف زمان محاسباتی بیشتر در حین استنتاج برای رسیدن به دقت بالاتر بدون افزایش توکن‌های خروجی.
‏* کسب عملکرد ۵۸.۸٪ در ARC-AGI-1 و ۱۲.۲٪ در ARC-AGI-2.
‏* برتری نسبت به مدل‌های موجود در ۶ بنچمارک استدلال.

Looped Flows: جهش هوش مصنوعی در «تفکر عمیق‌تر» بدون استدلال متنی طولانی