模型Classical Energies Reasoner with Adaptive Minimization
CRAM
CRAM是一种基于能量模型的推理架构,通过学习参数化的能量函数替代循环模型的迭代求解器,实现快速训练和推理,具有早停和计算量自适应特性。
时间轴 (近 90 天)
11月13日
CRAM在数独和迷宫任务上训练速度比循环模型快至少1000倍。
待验证50%
11月13日
CRAM在数独和迷宫任务上推理FLOPs比循环模型减少至少282倍。
待验证50%
11月13日
CRAM在单块GPU上训练42毫秒后,解决了99.996%的数独-Extreme测试谜题。
待验证50%
11月13日
CRAM的关键创新在于不再手写能量函数,而是把能量参数化后用数据驱动方式学习,使能量景观的极小点对应谜题的正确解;推理时只需沿能量下降方向迭代,无需对求解器反传梯度。
待验证50%
11月13日
CRAM具有内置早停机制:能量不再下降即停止迭代。
待验证50%
11月13日
CRAM的计算量随问题难度自适应:简单实例更快落入极小点。
待验证50%
11月13日
CRAM学习到的权重具有可解释性,对应谜题的约束条件。
待验证50%
全部知识事实 (7)
待验证
CRAM在数独和迷宫任务上训练速度比循环模型快至少1000倍。
50%待验证CRAM在数独和迷宫任务上推理FLOPs比循环模型减少至少282倍。
50%待验证CRAM在单块GPU上训练42毫秒后,解决了99.996%的数独-Extreme测试谜题。
50%待验证CRAM的关键创新在于不再手写能量函数,而是把能量参数化后用数据驱动方式学习,使能量景观的极小点对应谜题的正确解;推理时只需沿能量下降方向迭代,无需对求解器反传梯度。
50%待验证CRAM具有内置早停机制:能量不再下降即停止迭代。
50%待验证CRAM的计算量随问题难度自适应:简单实例更快落入极小点。
50%待验证CRAM学习到的权重具有可解释性,对应谜题的约束条件。
50%