通过持续潜在状态传播学习多步推理

基于摘要分析。本文研究 LLM 多步推理如何摆脱对长链式思维（CoT）文本生成的依赖，提出 Step-wise Persistent Latent Reasoner（SPLR）：跨推理步骤持续传播隐藏状态，同时输出逐步中间假设，并可选择接收外部观测，以紧凑潜在状态的更新替代不断增长的 token 级推理轨迹。 核心机制是通过层级潜在动态逐步细化状态。作者将其与 HRM、TRM 等潜在推理方法区分：摘要称既有研究主要局限于直接预测任务和受限的表征词汇，而 SPLR 强调显式多步过程及跨步骤状态延续。这里的“显式”对应中间假设输出，不应直接等同于完整 CoT 文本或已验证的推理可解释性。状态结构、层级更新规则、训练目标、外部观测的注入方式及停止条件尚未验证。 作者报告，在 GSM8k-Aug 上开展、所有架构均从头训练的受控实验中，89M 参数的 SPLR 在 MultiArith 上取得 79.4%，GPT-2 基线为 18.9%；作者据此认为该方法具有较强的分布偏移鲁棒性。摘要未明确该百分比的指标定义，也未给出数据划分、增强方式及基线配置，因此不能将其扩展为一般推理任务上的优势。实验协议、消融及统计信息尚未验证，复现所需实现与训练细节也需查阅全文。 本文主要对象是语言模型的多步推理，而非 EEG 解码或 BCI。平台推测（待验证）：持续状态与外部观测交替更新的机制，可能为序贯神经信号建模提供参考；但算术任务中的中间假设监督与 EEG 的低信噪比、跨被试差异并不等价，目前材料不足以支持具体迁移效果或复现实验方案。已有 EEG 相关工作尚未检索确认。