绘制前先思考：扩散模型的递归潜在推理

基于摘要分析。本文研究扩散模型在像素空间中处理数独、迷宫等视觉推理任务时的约束满足问题，提出 Painter-Thinker（PaTh），将递归推理网络与冻结扩散模型结合，无需符号表示或符号监督即可生成符合复杂约束的图像。 核心机制是由小型递归网络 Thinker 在学习到的 token 网格上进行推理，该网格编码带噪图像及条件信息；Thinker 在每个去噪步骤内反复细化潜在状态，再通过 ControlNet 适配器引导冻结的 Painter。训练仅使用标准重建损失，不依赖符号目标、求解器或验证器。与在离散符号表示上求解的 Tiny Recursive Model（TRM）相比，本文关注的是如何将递归推理机制接入像素空间生成过程，而非直接使用符号求解结果。 作者报告，在 hard MNIST Sudoku 上，PaTh 的解题成功率为 92.5%，此前最佳为 75%；在 extreme 难度上为 71.2%，此前最佳为 4.1%。摘要同时报告 PaTh 为 10M 参数，标准扩散模型为 82M 参数，但该计数是否包含冻结 Painter 与适配器尚未验证。作者报告在迷宫、Queens 及指定空间关系的 CLEVR 场景上也有改善，且优势随问题规模增大而扩大；这些任务的具体指标和对照设置未在摘要中展开。 作者报告，错误注入诊断实验显示 PaTh 能修复扩散模型无法修复的错误，尤其在较多单元出错时。这为其迭代纠错机制提供了可进一步核对的证据，但尚不能据此确认它在未见约束或其他数据模态上的泛化能力。数据划分、既有最佳结果的协议可比性、递归次数、计算开销、消融及统计信息尚未验证，代码与复现条件亦未确认。 平台推测（待验证）：其“每步生成前细化潜在状态”的机制或可用于具有明确观测约束的 EEG 条件生成或缺失片段重建，但依赖适合 EEG 的时序／通道表示及预训练生成模型，不能直接沿用图像网格与 ControlNet 接口。低信噪比、跨被试变化和小数据训练可能使递归过程强化伪结构。一个可检验的假设是：在固定 EEG 重建任务、相同数据划分与计算预算下，加入递归潜在细化能否比无递归基线更好地满足已观测信号约束，并保持频谱结构。该迁移并非本文已验证结果，已有 EEG 相关工作尚未检索确认。