開(kāi)源推理大模型新架構(gòu)來(lái)了，采用與Deepseek-R1/OpenAI o1截然不同的路線(xiàn)：

拋棄長(zhǎng)思維鏈和人類(lèi)的語(yǔ)言，直接在連續(xù)的高維潛空間用隱藏狀態(tài)推理，可自適應(yīng)地花費(fèi)更多計(jì)算來(lái)思考更長(zhǎng)時(shí)間。

例如問(wèn)題：Claire每天早餐都會(huì)做一個(gè)3個(gè)雞蛋的煎蛋卷。她在4周內(nèi)會(huì)吃多少個(gè)雞蛋？

從新模型Huginn的思考軌跡可視化中，可以看到對(duì)數(shù)字3等重要token不斷旋轉(zhuǎn)，最終收斂到正確答案對(duì)應(yīng)的位置，但在不關(guān)鍵的人物名字Cla-ire上沒(méi)有這個(gè)現(xiàn)象。

除旋轉(zhuǎn)之外還能觀(guān)察到更多豐富的幾何模式，研究團(tuán)隊(duì)認(rèn)為這表明該模型正在獨(dú)立學(xué)習(xí)利用潛空間的高維性質(zhì)以新的方式做推理。

由于不使用長(zhǎng)思維鏈推理范式，新方法還有幾個(gè)額外優(yōu)勢(shì)：

• 不需要任何專(zhuān)門(mén)的訓(xùn)練數(shù)據(jù)
• 可以在很小的上下文窗口下工作
• 能捕捉到難以用語(yǔ)言表達(dá)的推理類(lèi)型

研究來(lái)自馬克思普朗克研究所、馬里蘭大學(xué)等團(tuán)隊(duì)，他們使用美國(guó)橡樹(shù)嶺實(shí)驗(yàn)室的Frontier超算完成訓(xùn)練實(shí)驗(yàn)，用到8個(gè)AMD GPU節(jié)點(diǎn)（4096塊GPU），沒(méi)有使用英偉達(dá)體系。

新架構(gòu)給Transformer加入循環(huán)模塊

新架構(gòu)仍然圍繞Decoder-only的Transformer block構(gòu)建，但分為三段：

• Prelude（前奏）：使用多個(gè)transformer層將輸入數(shù)據(jù)嵌入到潛空間中
• Recurrent Block（循環(huán)塊）：循環(huán)計(jì)算單元，在潛在空間中修改狀態(tài)
• Coda（尾聲）：從潛空間解碼，并包含模型的預(yù)測(cè)頭

在訓(xùn)練期間為每個(gè)輸入序列分配隨機(jī)數(shù)量的迭代次數(shù)。同時(shí)為了在訓(xùn)練時(shí)保持較低的計(jì)算和內(nèi)存，只反向傳播循環(huán)單元的最后k次迭代。

研究中可視化了模型在潛在空間中的推理軌跡，發(fā)現(xiàn)了這些有趣現(xiàn)象：

• 對(duì)一些簡(jiǎn)單token，模型的隱狀態(tài)會(huì)快速收斂到穩(wěn)定點(diǎn)
• 但對(duì)一些關(guān)鍵token，如數(shù)學(xué)問(wèn)題中的數(shù)字”3”，隱狀態(tài)會(huì)形成復(fù)雜的圓形軌道
• 還有一些token的隱狀態(tài)會(huì)沿特定方向”滑動(dòng)”，可能用于計(jì)數(shù)循環(huán)次數(shù)

論文一作Jonas Geiping透露，他們的算力只夠一次大規(guī)模訓(xùn)練，也就是最后發(fā)布的3.5B參數(shù)的Huginn模型，在800B tokens數(shù)據(jù)上預(yù)訓(xùn)練。

沒(méi)有post/mid-training過(guò)程，但可以與7B參數(shù)、在2-3T tokens數(shù)據(jù)上訓(xùn)練的開(kāi)源模型能力相匹配。

另外算上循環(huán)模塊中的計(jì)算，3.5B參數(shù)的模型訓(xùn)練時(shí)的計(jì)算量相當(dāng)于傳統(tǒng)的32B模型。

有人猜測(cè)OpenAI o3使用了類(lèi)似的方法，通過(guò)循環(huán)來(lái)達(dá)到近似無(wú)限上下文，并且控制高中低三種推理時(shí)間設(shè)置。

有OpenAI研究員已經(jīng)注意到這個(gè)工作，把論文讀完了還在線(xiàn)捉bug。

也已經(jīng)有人準(zhǔn)備根據(jù)DeepSeek-R1開(kāi)源的方法嘗試新思路，同時(shí)保留潛空間思考的推理能力，和CoT思考的可讀性。

論文：https://arxiv.org/abs/2502.05171
模型：https://huggingface.co/tomg-group-umd/huginn-0125
代碼：https://github.com/seal-rg/recurrent-pretraining