Mila：生成式递归推理模型 多轨迹概率计算框架 用随机扰动破解AI逻辑迷宫

生成式递归推理模型（GRAM），旨在解决传统递归模型在处理复杂推理任务时因确定性路径导致的方案单一与易陷入局部最优的问题。GRAM 通过引入随机潜变量轨迹，将推理过程建模为概率生成过程，从而能够同时探索多种不同的解决策略。该框架支持多路径并行采样，实现了推理规模在深度与广度上的双向扩展，有效提升了复杂约束下的推理质量。实验结果显示，GRAM 在数独、ARC-AGI 等逻辑谜题以及多解约束任务中显著优于传统模型，并展现出卓越的无条件生成能力。这种将随机性与循环细化相结合的设计，为未来构建具备不确定性管理与自主探索能力的神经网络推理系统提供了新方向。