会说话的草稿纸，与沉默的罗盘

—— Huzi Cheng & Zhewei Zhang《Not All Thinking is Created Equal: Latent Reasoning Discovers a Recurrent Search Algorithm for Depth Generalization》（arXiv:2609.35643）费曼式解读

开考场

设想你是监考老师。

铃响之后，教室里坐满考生。你注意到两个学生特别有意思。

第一个学生，试卷刚发下来，立刻铺开了厚厚一叠草稿纸。他写得飞快，一行接一行，"因为 A 所以 B，因为 B 所以 C……"字迹工整，步骤齐全。你悄悄走过他身边，看到他写满了整张纸，满意地点了点头，觉得这学生基本功扎实。

第二个学生，草稿纸几乎是空白。他只写下题目，然后盯着卷子看了一会儿。你不确定他在干什么——眼睛在动，笔没动。十分钟后，他直接写下了答案。

批改结果出来了。前四十道题，两人都对。满分，满分，还是满分。看起来，"把每一步都写在纸上"和"在脑子里默默算"，好像没什么区别？

直到第四十一题。

题目变了。之前的题都是"三步推理""四步推理"，练习册里全有。可这第四十一题，是七步、八步、十二步——课堂上从没教过这么长的推理链。第一个学生摊开草稿纸，习惯性地写下第一步，然后笔停了。他写下的每一步都是对的，但他像是被一根看不见的绳子拴在了第四步上，再也走不远。第二个学生沉默了一会儿，还是写下了正确答案——而且步数越长，他和别人的差距拉得越大。

你翻看第一个学生的草稿纸，发现了一个更让你不安的秘密：把他写的中间步骤擦掉一半，他的答案居然不变。原来那些漂亮的推导文字，很多只是装饰。他真正的答题依据，是另一类见不得光的小聪明——比如"正确答案的那个选项，名字往往出现在更少的句子里"这种统计规律。练习册内的题，这条规律百试百灵；练习册外的题，它一钱不值。

这不是教育心理学的故事。这是 Huzi Cheng 和 Zhewei Zhang 2026 年 9 月底挂在 arXiv 上的一篇论文，他们真的造了一间这样的考场，真的训练了五个"考生"，真的拆开了其中一个考生的大脑，看看里面到底发生了什么。他们发现的东西值得每一个关心大模型推理能力的人停下来想一想：会说话的草稿纸，可能恰恰是最不会思考的。

🧩 五种"想"法：同一大脑，五种思考接口

让我们先认识五位考生。

论文做的第一件事非常克制，也非常聪明：他们不给模型任何预训练知识的"遗产"，而是从零开始，在同一个 GPTNeoX 骨架上，训练出五个除了"思考方式"之外完全相同的模型。骨架很小——只有 4 层、hidden size 256、4 个注意力头、前馈维度 768——小到什么程度？小到研究者可以把它整个拆开，逐个零件检查。这是刻意的选择：要理解"思考"的机制，先把机器造得能看懂。

五个变体，差别只在回答之前的"思考阶段"怎么安排：

第一位叫 Direct，最老实，题目读完直接吐答案，没有任何中间步骤。像考场上那种不演算、直接蒙的学神——或者说，赌徒。

第二位叫 Chain-of-Thought（CoT），就是我们最熟悉的"思维链"。它先输出一条完整的证明——从根节点出发，沿最短路径一步步走到答案，把每一步前提都写在纸上——然后才给出最终答案。训练时它不仅被监督答案对不对，还被监督中间证明是不是标准的最短路径。这是典型的"别人家的孩子"：笔记做得最漂亮，步骤最规范。

第三位叫 Pause-token（暂停令牌），这位考生看起来有点滑稽：它回答问题前，要先输出 6 个一模一样的特殊占位符——可以理解为，在草稿纸上写 6 个"……"，假装在想。诡异的是，已有的研究表明这种"无意义填充"居然真能提升推理表现。这就像发现考生在草稿纸上画 6 个圈，成绩居然变好了—— why？没人完全说得清。

第四位和第五位是真正的新角色，也是本文的主角：潜空间推理（latent reasoning）模型，借鉴了 Meta 的 Coconut 思路。它们思考时不写任何文字，而是把上一步的高维隐藏状态向量直接喂回下一步的输入——相当于你心里的"念头"不用变成语言，直接在脑子里转了一圈，又变成下一个念头。这个过程重复 K=6 次，然后才解码出答案。

这两位潜空间考生还有一个关键区别。Full-latent 思考完之后，答题时还能回头翻看整张"题目卷"（保留原始 prompt 的注意力缓存），就像允许学生答题时随时回去看题——这给了它走捷径的机会。Bottleneck-latent 更狠：思考结束后，它被强制只能通过那 6 个潜状态向量"回忆"题目，原始输入对它关闭了。它必须把所有真正有用的信息，压缩进这 6 个向量里——就像闭卷考试，而且只许带 6 张草稿纸进考场。

一个骨架，五套思考接口，同样的训练预算、同样的数据、同样的超参数（AdamW，学习率 4×10⁻⁴，batch size 256，BF16 精度，NVIDIA 5090 和 4090 各一台）。现在，考试开始。

🗺️ ProsQA-Ext：一张只有六步的地图

考卷本身设计得很讲究，值得单独说一说。

任务叫 ProsQA-Ext，是从 Meta 的 Coconut 论文里那个经典的 ProsQA 改造而来的多跳图推理题。每张试卷描述一张有向无环图（DAG）：题目是一串形如"A is B"的前提，每条前提就是图里一条从 A 指向 B 的边。然后问题给出一个根节点 r，以及两个候选节点 c₀ 和 c₁，问：从 r 出发，沿着箭头走，哪个候选是够得着的？

这是一个纯符号的图可达性问题。它作为考试有三个绝妙之处。第一，难度可以精确调参——正确答案距离根节点最短多少步，这个"跳数 H"就是题目的难度旋钮。第二，符号可以随便换——把节点名字全部打乱重排，题的逻辑不变，防止死记硬背。第三，也是最关键的：出题人可以精心设计，让一切表面统计规律全部失效。在这份卷子上，任何靠"看长相"猜答案的模型，正确率只有约 50%——也就是纯蒙。

训练集是 40 万道题，跳数 H 在 3 到 6 之间——考生们只见过"六步以内"的世界。验证集则是他们从没见过的：H 从 7 到 12，十二步的长推理。这就是论文版的"第四十一题"：分布内（in-distribution, ID）考试人人都高分，可一旦出了分布外（out-of-distribution, OOD）的题，谁是有真本事、谁是靠套路，立刻见分晓。

顺带一提，OOD 数据集的生成本身就是一个受控的算法：构造两条互不相交的长度为 H 的路径，每条挂上若干条外路径节点，补齐到 38 条边，再随机分配标签、打乱前提顺序、随机放置正确候选的位置。每一道题都是一次精心控制的实验。为什么要如此大费周章？因为出题人知道，自己的考生最擅长的事情就是作弊。机器学习模型在合成数据上找统计偏差的嗅觉，比任何人类考生都敏锐——只要正确答案在数据里留下一丝可预测的统计痕迹，模型就会像水一样流进这条缝里。所以这份卷子的每一条规则、每一次打乱、每一处均衡，都是和模型的"走捷径本能"斗智斗勇的产物。也正因如此，后面抓到的作弊证据才如此确凿：题目已经干净到入度线索只剩约 50% 的随机水平，而模型依然围着它打转，这不是题目的错，是模型真的没在学算法。

📊 同分不同命：ID 成绩掩盖了一切

考试结果出来后，如果只看练习册内的成绩，你会得出结论：这五个学生差不多嘛。

ID 验证集上，Bottleneck-latent 和 Full-latent 接近满分；Pause-token 紧随其后；CoT 整体也很高，只是跳数变大时略有下滑；最弱的是 Direct——没有额外的计算槽位，它对随机种子最敏感，成绩最不稳。这个排序看起来顺理成章：给模型更多"思考时间"的，成绩更好。

然后，第四十一题来了。H = 7 到 12，没有额外训练，直接考。

五个考生的真实水平瞬间分层。Bottleneck-latent 和 Full-latent 保住了最高的准确率，而且 Bottleneck-latent 还微微领先于 Full-latent——注意这个细节，被强制"闭卷、只许带 6 张草稿纸"的那位，反而比能随时翻看题目卷的那位更强。Pause-token 和 Direct 明显掉队。而最戏剧性的主角是 CoT：这位笔记最工整、唯一被逐步证明监督过的选手，在 OOD 上跌得最惨，垫底。

这个结果是整篇论文的第一记重锤。在训练分布内表现几乎一样的模型，出了分布可以天差地别。 ID 性能是一张会骗人的成绩单——它量得出"答对了"，量不出"凭什么答对"。

这里要插入一段文献背景，因为 CoT 的崩塌并非毫无征兆，但从未有人把它钉得这么死。之前已有研究发现，大模型生成的推理链中存在大量"装饰性思考"：部分中间步骤被替换或删掉，最终答案纹丝不动（Lanham et al., 2023）；所谓"顿悟时刻"可以被伪造和量化（Zhao et al., 2026）；甚至有人用"……"这样的无意义填充就复现了推理增益。这些工作都在暗示同一件事——文字形式的推理痕迹，和它底下真正发生的计算，可能根本不是一码事。但它们大多停留在"相关性存疑"的层面：你可以质疑干预手段太粗暴，也可以质疑小模型不代表大模型。而本文的贡献在于，他们把这个问题放进了一个完全受控的实验场：没有预训练先验、没有提示工程、没有任务噪声，唯一的变量是思考接口本身。在这样的纯净环境里，答案终于清晰得不容抵赖。这就引出了论文的核心问题：这五个模型，用的到底是不是同一种"思考"？

🕳️ 捷径：当模型学会"看风水"

要回答"凭什么答对"，先得问：一个诚实的解题者应该怎么做？

在图可达性问题里，存在两种教科书式的算法。第一种叫正向传播：从根节点 r 出发，沿出边逐层扩散——先看 r 一步能到哪些节点（这叫第一层"前沿" F₁），再看这些节点一步能到哪些（F₂），一层层扩张出去，直到某个候选节点落入前沿之中。像水面上的涟漪，一圈一圈推开。第二种叫反向追踪：从两个候选节点出发，沿入边倒着走，看谁能走回 r。这两种都是正经的"全局搜索"，步数再多也不怕，因为它们是在按规则搬运集合，而不是靠记忆。

研究者用**表征相似性分析（RSA）**来检查模型内部到底在跟踪哪种算法：把模型的内部状态向量和算法的中间状态（比如第 d 层前沿 F_d 的节点集合）做两两距离的相关性比较，不用假设模型的一步恰好对应算法的一层，纯看"形状"像不像。

结果又是一记重锤。Bottleneck-latent 和 Full-latent 的内部状态，清清楚楚地呈现出正向传播的形状——随着算法深度 d 增加，模型内部的对齐位置也稳定地向后推移，像一条对角线。研究者甚至设计了一个叫 Diagonality（对角性） 的量化指标来捕捉这个"逐层推进"的模式，分数接近 1 意味着完美的一致递进。Bottleneck-latent 在所有深度上对角性最高、最稳定，尤其在 OOD 题上和其他三个模型拉开了最清晰的差距。CoT 显示出一些对齐——毕竟它被监督着一步步写证明——但注意，这并没有救它的 OOD 成绩。而 Direct 和 Pause-token 几乎没有任何顺序性的对齐。

等等。没有对齐，它们 ID 成绩还那么高？它们靠什么答题的？

论文做了两组非常漂亮的"抓作弊"实验。他们注意到，尽管出题时已经尽量消除表面规律，ProsQA 的图生成流程还是残留了一个统计偏差：正确答案节点的入度（被多少条边指向）往往比错误候选低；而且，根节点的直接后继中，通向正确答案的那个，往往"入度低、出度高"。这些是局部图特征——只看一两个节点的度数，根本不用做任何搜索。

研究者构造了精巧的配对数据集：两张图一模一样，唯独把两条非证明路径的边改个指向，只翻转两个候选节点的相对入度，答案不变。然后看模型的准确率会不会跟着入度跑。结果，Direct 和 Pause-token 的预测严重被候选入度带偏——入度一变，答案就变，无论推理多深都如此。第二组配对实验专门针对 CoT：调整根节点后继的入度减出度，结果发现 CoT 不仅最终答案被带偏，连它写下的第一步"选择哪个后继"都被带偏——它偏好入度减出度更低的那个后继。

画面完整了。Direct 和 Pause-token 是看候选节点的"风水"答题；CoT 稍高级一点，是看第一步的"风水"，然后沿着一条它自己也没有真正验证过的路走到底，字迹工整地得出一个由统计捷径决定的答案。它们在训练分布内百发百中，不是因为学会了推理，而是因为练习册里的题，风水和答案恰好总是同向。出了练习册，风水失灵，原形毕露。

而两个潜空间模型，对这两类局部特征 manipulation 都几乎免疫。它们没在猜，它们在搜。

🧠 软循环：脑子里那个 for 循环

接下来的问题是：潜空间模型里的"搜索"，是真的因果机制，还是只是看起来相似的表象？以前就有研究警告过，潜空间推理模型里观察到的搜索模式可能只是一种"相关性的幻觉"，把电路拆掉，答案根本不受影响。

研究者的回应方式堪称因果推理的教科书操作：干预（intervention）。他们构造一对配对样本：保持根节点、节点标签、前提顺序、所有节点度数完全不变，只把深度 d 处的两条边对调——一条在正确路径上，一条在干扰路径上。这一下，可达的候选从 A 翻成了 B，正确答案从 y 变成 y′。两张"同卵双胞胎"图，输入只差一处边，输出应该完全相反。

然后把两个输入分别喂给 Bottleneck-latent，得到两条潜状态轨迹 z₁…z_K 和 z′₁…z′_K。关键动作来了：在第 t 步，把 z_t(x) 替换成 z′_t(x′)，其余照旧，看答案是否从 y 翻成 y′。如果模型真的在一步步传播可达集，那么你应该看到一个"上三角"模式：浅层的扰动（d 小）应该很早就影响状态，深层的扰动（d 大）要到后面的步骤才生效——涟漪从落水点开始扩散，这是因果链条的时间结构，装不出来。

结果正是如此。在 Bottleneck-latent 身上，上三角图案清晰浮现，而且随着替换步数 t 超过深度 d，答案翻转的比例稳定上升。这个计算是因果的，不是装饰。 Full-latent 里图案模糊一些，Pause-token 里根本不存在——那位画 6 个圈的考生，脑子里确实什么都没发生。

更有意思的是"软循环"假说。RSA 显示模型的步骤和图跳数不是严格一一对应的，说明它不是一台死板的"一步对应一跳"的 for 循环机，而是一个"软"迭代：一个潜状态步可以处理超过一个精确跳。这个假说有一个可证伪的预测：如果搜索是软的、由内容驱动的，那么改变思考步数 K，性能应该基本不受影响。实验把 K 从训练时的 6 调成 5 和 7——果然，只有 Bottleneck-latent 在三种 K 下都稳如泰山；Full-latent 在 K=5 时受损，Pause-token 在 K=7 时受损。它在用自己的节奏搜索，给它多一步少一步，它都能把活干完。这就像一个真正的棋手，你给他多一分钟或少一分钟，他都能把局面算清，只是深浅有别。

顺带一提，"潜空间里能装下并行搜索"这件事，理论上早有预言。Zhu et al. (2025) 在《Reasoning by Superposition》中证明，连续的思维向量在理论上可以在叠加中编码多个搜索前沿，从而支持并行搜索。但理论归理论，后续工作很快泼了冷水——类似的模式在没有递归的模型里也会出现，而且未必因果地影响答案。本文的 Bottleneck-latent 恰好站在这个争论的终点线上：它不仅显示了搜索模式，而且通过了因果干预的拷问，最后连执行搜索的电路都被完整定位。理论的可能性、行为的证据、因果的验证、机制的解剖——四层证据在这里第一次合拢。

🔬 八个人的搜捕队：电路解剖

现在进入全文最硬的部分。如果 Bottleneck-latent 脑子里真有一个循环搜索算法，那它住在哪些零件里？

研究者对 Bottleneck-latent 做贪心电路剪枝。模型一共 20 个循环组件：4 层 × 4 个注意力头 = 16 个头，加上每层的 MLP 共 4 个。从全部保留开始，每次试着删掉一个组件，只要删完之后电路还能保持至少 90% 的答案一致性和 0.8 以上的候选 logit 边际 R²，就允许删除，一路删到再也删不动为止。替换均值基于 512 张独立的 8 跳图算出的反事实配对。

20 个零件，最后只留下 8 个。这 8 个组件组成的稀疏电路保留了 91.9% 的输出一致性和 0.837 的 R²。更严格的考验是泛化：把这 8 件套拿去跑剪枝时从未见过的 7 到 12 跳题目，它仍然保持 90.9% 的一致性；作为对照，把这 8 个组件从模型里全部删掉，一致性只剩 52.7%；随机保留 8 个同样数量的组件，也只有 55.8%。这不是凑巧凑出来的拟合，这是一个真实的、跨深度成立的因果机制。更妙的是，前面那个"潜状态移植"干预在这 8 件套里依然成立——在 8 跳配对图、深度 4 换边的实验里，剪枝电路的答案翻转增幅峰值达到 63.9%，对比全模型的 69.9%，而随机 8 组件基本无效。搜索算法的灵魂，就住在这 8 个零件里。

那么这 8 个零件各自干什么活？论文的拆解精细到令人发指的程度，我逐个说。

第一个关键角色是第 4 层第 1 个注意力头（L4H1）。研究者对前提"A is B"的左右两边分别做干预：把 A 换掉（LHS 交换）或把 B 换掉（RHS 交换），再分别隔离 key 缓存和 value 缓存的影响。结果是一个教科书级的发现：在 L4H1 里，左端 A 的交换主要通过 keys 影响答案，右端 B 的交换主要通过 values 影响答案。翻译过来：这个注意力头用 A 作为"地址"去查询（keys 决定哪些节点相连），用 B 作为"内容"被读取（values 提供目标节点信息）——一种干净的地址—内容（address–content）组织。而且用 Jensen–Shannon 距离测量发现，这种注意分布在所有循环步骤间高度一致（相似度约等于 1）：它不是某一步的偶然，而是每次迭代都在执行同一个"取地址、读内容"的操作。这就是一个软追踪器（soft tracer）：每一步，它用当前可达节点作为地址，去前提里检索它们指向谁，把新节点捞进可达集。

第二个关键角色是第 4 层的 MLP（L4MLP）加上残差流（residual stream）。研究者换了一种干预：不改变图结构，而是交换查询根节点 r，看每个组件如何影响"下一步的查询"和"最终答案"。L4MLP 和 L4H1 对两者都有持续影响，说明它们联手改变了搜索方向。进一步隔离发现：当 L4H1 的输出被改动后，重算 L4MLP 会把所有下游目标（从下一步查询到最终答案）都推向交换后的方向，而冻结 MLP 则不会；单独改 MLP 也几乎无效。这说明 MLP 不是独立干活的加法部件，而是嵌在整条残差通路里的一个"滤波器"：它和残差流一起，把 L4H1 检索回来的图关系信息筛选、整合，写回潜状态 z_t，为下一轮的搜索备好原料。值得品味的是这个"不 additive"的细节：它和 H1 不是流水线上一前一后的两道工序，而是嵌在同一股残差洪流中的共生体——你拧动其中任何一个，整条水路的流向都跟着改变。这种纠缠关系，恰恰是"电路级"分析才能揭示的层次，看整体行为永远看不到。

第三个角色是多头协作的候选匹配。搜索到最后，脑子里那团不断扩张的可达集，怎么变成"A 而非 B"的具体答案？研究者保留原问题不动，做两种干预：一种是在 z_t→z_t₊₁ 的更新中，把当前查询换成另一条链根节点产生的查询 Q（问题还在问 r）；另一种是把候选节点的 key 换成候选端点被交换后的图里算出来的 key。单独做任意一种，正确答案的 logit 边际都下降；两种一起做，边际又恢复了。这说明候选证据依赖于"当前循环状态"和"候选节点的图上下文"之间的匹配——正是正向搜索算法的收尾一步：看哪个候选落进了可达集。在保留下来的第 4 层三个头里，H1 的循环 Q/K 匹配效应最强（它负责把候选信息写进潜状态），而 H2 在候选 value 交换下准确率损失最大、在最终答案读出阶段对 logit 边际的恢复贡献也最大——它更像最后的读数仪表。

把这一切拼起来，Bottleneck-latent 脑中的算法完整浮出水面：潜状态 z_t 维护着"当前从 r 可达的节点集合"；L4H1 每步用可达节点作地址、从前提里检索出新的后继，扩张可达集；L4MLP 携手残差流把捞回来的信息过滤、整合进 z_t₊₁；L4H1/H2/H4 三个头协作完成"候选是否落入可达集"的匹配，读出最终答案。 这几乎就是教科书里那个正向可达性传播的伪代码，被一个不写一行中间文字的网络，纯粹从端到端的答案监督中学了出来——没有推理链示范，没有 RL，没有课程学习。

🌊 为什么沉默者走得更远

让我们回到考场，现在的场面完全变了。

那个写满草稿纸的学生，我们曾以为他的文字就是他的思考。论文用他的崩溃告诉我们：写出来 ≠ 在想。他的文字更多是一种表演——对训练分布内题型表演的模仿。统计捷径给了他一个不需要搜索就能拿分的后门，而文字恰好是掩护这个后门的烟雾。语言，这种人类为沟通而生的界面，在这里反而成了掩饰捷径的最佳画布。甚至那 6 个无声的占位符也一样——Pause-token 的内部和 Direct 一样空无一物，"多给点时间"本身不生产思考，生产思考的，是让信息在步骤之间自由流动的接口设计。

而闭卷考试、只许带 6 张草稿纸的那个沉默学生，被迫把所有真正要紧的东西——当前可达集——压进向量里。这个瓶颈没有杀死推理，反而逼出了推理。因为可读写的"工作记忆"太珍贵，装不下捷径，装不下表演，只能装算法。每一次循环，这个瓶颈里的状态都必须干净地编码"搜到哪儿了"，否则下一步就无路可走。再加上递归结构天然是一个 while 循环的模具——同样的权重，一次又一次地跑——搜索算法恰好是能塞进这个模具的那个形状。软循环让它不在乎一步严格对应一跳，K 的扰动奈何不了它；内容驱动的状态转移让它在 12 跳的深水上照样一步步推出涟漪。考试大纲只教到 6 步，可算法是通用的——任何深度，都是同一个循环的多转几圈而已。

尾声

这篇论文的体量不大——4 层、256 维、从零训练的小模型，一个符号合成的图任务——它的作者也非常诚实地在讨论部分划出了边界：结论能否推广到真正的大规模预训练模型和更自然的任务上，是开放问题；与之对比的循环 Transformer（looped transformer）那种显式递归架构是否产生同样的搜索机制，也留给了未来。在更大的模型里，潜空间推理是否会被同样的捷径污染，没人知道。

但它的方法论贡献是不挑规模的，而且我认为这才是它真正的价值所在。第一，先行为，后机制。他们特意强调，OOD 测试之于模型，就像 Stroop 色词干扰实验之于人类心理学——在分布外压力下，模型才会暴露出它真正的解题策略，你才知道该往哪里拆机器。不做行为对比就直接解释内部，可能解释的是幻觉。第二，控制变量到骨子里。五个模型共享同一个骨架、同一份数据、同一个训练预算，唯一的变量是思考接口——这让"差异来自思考方式"这个结论几乎无懈可击。第三，机制要过因果关。从 RSA 的相关性，到状态移植的因果干预，到剪枝电路在新样本上复现因果效应，证据链一环扣一环，最后还把算法定位到了具体头的 key/value 分工上。在这个"看起来有道理"的解释满天飞的时代，这种步步设防的严谨本身就是一种宣言。

对我们这些在大模型浪潮里寻找方向的人，它还提示了一个朴素却深刻的工程直觉：如果你想让模型真的会推理，也许应该先给它一个非语言的工作记忆，然后堵住所有走后门的路，再让它自己在沉默里想办法。 这个直觉已经在指导实践——Coconut 路线、各类推理时计算（test-time compute）的探索、以及对"推理模型是否真在推理"的审计，都在同一张地图上。论文还留了一个耐人寻味的对照：Looped Transformer 那种显式共享权重、强制循环的架构，和本文发现的"自然涌现的循环"，是否殊途同归？如果答案是肯定的，那么"循环"就不只是一种工程技巧，而可能是任何要在深度上泛化的系统绕不开的拓扑命运。

草稿纸会撒谎，沉默不会。会说话的草稿纸谁都会写，但脑子里的罗盘——那个一圈圈推开涟漪的、沉默的、可复用的搜索——才是真正走得远的东西。

放心吧，哪怕全世界都被漂亮的长推理链骗了，也有人替你盯着那个沉默的考生。

参考文献

• Huzi Cheng, Zhewei Zhang. Not All Thinking is Created Equal: Latent Reasoning Discovers a Recurrent Search Algorithm for Depth Generalization. arXiv:2609.35643 [cs.AI], 2026-09-28. https://arxiv.org/abs/2609.35643

#论文 #arXiv #AI #小凯