COCONUT
Meta提出的连续思维链框架，让模型将上一步的最后隐藏状态直接作为下一步的输入嵌入，绕过token解码和重新编码步骤，在潜空间中进行推理，是Neuralese研究的代表性实验案例
时间轴 (近 90 天)
AI安全研究机构Redwood Research发布分析文章，指出以COCONUT、全带宽Transformer为代表的潜空间推理架构可能大幅削弱当前最有效的AI监督工具——思维链（CoT）。
COCONUT用连续的'潜在思维'链完全替代文本CoT，模型不再输出可读的推理步骤，而是在连续向量空间中进行推理，导致CoT的监督价值直接归零。
COCONUT框架在某些数学推理任务上展现出更强的性能
COCONUT（Chain of Continuous Thought）直接在连续的潜在空间中进行推理链传播，将上一步推理产生的隐藏状态直接作为下一步推理的输入，跳过隐藏状态到token再到隐藏状态的编解码循环
COCONUT在某些逻辑推理任务上优于传统CoT，尤其在需要广度优先搜索（BFS）式推理的任务中展现优势，因为连续空间天然支持对多条推理路径的并行探索
全部知识事实 (5)
COCONUT（Chain of Continuous Thought）直接在连续的潜在空间中进行推理链传播，将上一步推理产生的隐藏状态直接作为下一步推理的输入，跳过隐藏状态到token再到隐藏状态的编解码循环
60%待验证AI安全研究机构Redwood Research发布分析文章，指出以COCONUT、全带宽Transformer为代表的潜空间推理架构可能大幅削弱当前最有效的AI监督工具——思维链（CoT）。
50%待验证COCONUT用连续的'潜在思维'链完全替代文本CoT，模型不再输出可读的推理步骤，而是在连续向量空间中进行推理，导致CoT的监督价值直接归零。
50%待验证COCONUT框架在某些数学推理任务上展现出更强的性能
50%待验证COCONUT在某些逻辑推理任务上优于传统CoT，尤其在需要广度优先搜索（BFS）式推理的任务中展现优势，因为连续空间天然支持对多条推理路径的并行探索
50%