我们引入了BDH-CQ ，这是一种将上下文学习与循环潜在推理相结合的推理模型。在推理时间呈现的输入不断更新模型的循环记忆；然后，该模型通过在高维潜在空间中的迭代计算来解决查询，而无需对其中间推理进行语言化。我们在公共ARC-AGI-1评估集上评估模型，

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.09888v1)获取最准确的信息。

---
🔗 **原文链接**: [BDH-CQ: In-Context Learning with Recurrent Latent Reasoning](https://arxiv.org/abs/2608.09888v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Björn Engdahl, Adrian Kosowski, Jan Chorowski, Zuzanna Stamirowska, Przemysław Uznański, Junlin Jiang, Rohan Phadke, Remigiusz Kinas, Richard Zhong

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
推理能力是LLM的下一个战场。这篇文章技术细节到位，适合有一定基础的同学细读。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-11 14:03