Nghiên cứu
BDH-CQ: Đột phá hiệu suất suy luận với mô hình học trong ngữ cảnh dựa trên tiềm ẩn tuần hoàn
(giờ Việt Nam)
Tóm tắt AI
BDH-CQ là mô hình suy luận mới kết hợp học trong ngữ cảnh và suy luận tiềm ẩn tuần hoàn, giúp tối ưu hóa chi phí vận hành xuống chỉ còn 0,0007 USD/tác vụ. Với 150 triệu tham số, mô hình đạt 29,5% trên ARC-AGI-1, thiết lập kỷ lục mới về hiệu quả chi phí so với độ chính xác.
Bản dịch AI
Xem PDF HTML (thử nghiệm)
DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký)
Lịch sử gửi bài
Từ: Jan Chorowski [xem email] [v1] Thứ Hai, 10 tháng 8 năm 2026 17:39:16 UTC (887 KB)
Bài viết được AI dịch và tổng hợp tự động từ HuggingFace Daily Papers (Nổi bậtBài nghiên cứu). Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.