# Bengio 团队新论文：用多条并行思路链做递归推理，效果比单条串行推理好

> 原标题：Bengio新论文刷新递归推理上限，并行轨迹碾压串行推理

- 来源：机器之心 · 公众号
- 发布时间：2026-05-23T13:58:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/26546
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651034626&idx=2&sn=388ad293530242fb645a8a020cb07f9a

## 摘要

这篇论文提出了 GRAM，一个会生成多条内部推理轨迹、再从中挑出最优解的递归模型。在极难数独测试上，GRAM 用 16 步递归、同时跑 20 条并行思路，准确率达到 97.0%；作为对比，传统串行递归模型 TRM 要跑到 320 步才做到 90.5%。简单说，就是让模型多想几条路再选，比闷头一条路走到黑更靠谱，而且推理步数还少得多。不过正文没披露具体的...

## 推荐理由

Bengio 团队这篇新论文拿数独极端难度当试金石，用 GRAM 把递归推理的上限拉高了一截。核心卖点是并行轨迹比长串行更有效：16 步递归配上 20 条并行采样，准确率 97.0%，而对比的串行方法要跑 320 步才到 90.5%。我会先打个折——这只是在单一任务上的结果，泛化到其他推理场景还没验证，正文也没披露并行采样的实际计算开销和延迟。但思路本身对做推理加速的人有参考价值，尤其是想用多条短路径替代一条长路径的时候。

## 锐评

这篇论文的核心思路很直接：让模型在推理时多生成几条内部思路，再从中选最好的，而不是像传统串行推理那样一条路走到黑。在极难数独测试上，GRAM 用 16 步递归、同时跑 20 条并行轨迹，准确率干到 97.0%；对比的串行模型 TRM 要跑到 320 步才 90.5%。这说明并行采样加筛选的策略，在步数效率和最终效果上都明显占优。

不过正文没披露具体的计算开销和延迟数据。20 条并行轨迹意味着推理时的算力消耗至少是串行的 20 倍，虽然步数少了，但总计算量未必省。另外，测试只用了数独这一个任务，能不能泛化到更开放的推理场景还不清楚。如果是真的能在其他任务上也保持这种效率优势，那这条技术路线挺值得跟。