通用推理模型URM刷新AI推理基准

该论文系统分析了通用Transformer在复杂推理任务中的性能表现，发现其优势主要源于循环归纳偏置和强非线性组件，而非复杂架构设计。基于此，作者提出通用推理模型（URM），通过集成短卷积和截断反向传播技术，显著提升了推理能力。实验显示，URM在ARC-AGI 1基准上达到53.8%的pass@1准确率，在ARC-AGI 2上达到16.0%的pass@1，创下最先进记录。这一突破为人工智能推理模型提供了新见解，推动通用人工智能发展，对AI前沿研究具有重要价值。