Sudoku-Extreme 是一个极难题型的数独数据集,常被用作检验神经模型推理能力的基准:模型需在极少监督信号下完成需要多步逻辑推导的求解任务。由于普通大模型在该基准上表现有限,它已成为循环推理、能量模型等新型架构的重要试金石,相关研究在 2025 年下半年密集出现。
Sudoku-Extreme 相关的近期进展
当前焦点与观察点
目前围绕 Sudoku-Extreme 的研究主线是“迭代/循环推理如何收敛”。能量模型、吸引子与不动点方法本质上都在回答同一个问题:如何让模型反复修正答案而不发散,并且比朴素循环更快、更省算力。
争议点主要有二。一是基准本身的代表性:Sudoku-Extreme 是结构规整、有唯一解的任务,在这个任务上的高分能否推广到开放性推理仍存疑。二是效率宣称的可比性:例如 CRAM 宣称的 1000 倍速度提升,与 99.9% 准确率来自不同模型和设置,横向比较需谨慎。
Gary Marcus 等研究者则从符号主义角度关注这一波进展,认为循环推理的成功或印证神经符号方法的回归。后续值得观察的是:这些架构能否在数学证明、代码生成等更复杂的推理基准上复制 Sudoku-Extreme 上的成绩,以及能量模型的高效训练路线能否被更大规模模型验证。