이 논문은 공간 추론에서 정보 흐름이 인접 셀이나 의미 세그먼트 내에 머무는지 측정하는 상호작용 지역성 프레임워크를 제안한다. HRM과 TRM 모델을 미로, 스도쿠, ARC-AGI에 적용한 결과, 고수준 순환 상태는 인접 셀 내에 정보를 기록하고 반복 업데이트로 광범위한 구조를 축적한다. 대규모 3D 장면 모델(MTU3D)에서는 공간 인과 지역성이 모듈 경계에 집중되어 명시적 재귀 추론과 구별된다. 이 프레임워크는 직관적인 지역 실행·전역 계획 원리를 재현 가능한 측정 도구로 전환한다.
- •Sparse autoencoder 피치 제거와 활성화 패칭으로 상호작용 지역성을 측정하는 재현 가능한 방법론을 제시한다.
- •HRM과 TRM에서 고수준 순환 상태는 구도드 7 강력한 초점을 보이며, 반복 업데이트로 듁다란 해결 구조를 누적한다.
- •3D 확장 실험(MTU3D)에서 코절 공간 인과성은 시각 인코더 전체가 아닌 모듈 경계에서 주로 나타난다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Interaction Locality in Hierarchical Recursive Reasoning
본문 미리보기
arXiv:2605.20784v1 Announce Type: new Abstract: Spatial reasoning requires both location-bound computation and location-invariant structure: agents must make local moves while preserving route, object, or constraint-level plans. We propose interaction locality, a task-geometry-aware framework for measuring whether information flow stays within nearby cells or semantic segments, or crosses them. We instantiate the framework with sparse-autoencoder feature ablations and finite-noise activation pa
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
