知识卡片：BDH-CQ——上下文学习与循环潜在推理

英文标题：BDH-CQ: In-Context Learning with Recurrent Latent Reasoning
英文关键词：BDH-CQ; In-Context Learning; Recurrent Latent Reasoning; ARC-AGI-1; Cost Efficiency; Latent Reasoning
原始来源：https://arxiv.org/abs/2608.09888v1

一句话结论

BDH-CQ 是一种将上下文学习与循环潜在推理结合的新推理模型：推理时输入不断更新模型的循环记忆，模型在高维潜在空间中迭代计算求解，而不把中间推理过程写成文字。论文报告，150M 参数配置在公开 ARC-AGI-1 评测集上达到 29.5% pass@2，每个任务计算成本约 $0.0007，突破了此前报告的 ARC-AGI-1 成本-准确率帕累托前沿。

事件概述或研究问题

• 研究问题：如何让模型在推理时利用示范进行上下文学习，同时避免显式、口头化的中间推理，从而提升推理效率和成本表现？
• 论文提出 BDH-CQ，将推理过程放在高维潜在空间中迭代完成，而不是让模型生成一串推理文字。
• 除了 ARC-AGI-1 公开评测集，论文还设计了受 ARC 启发的受控干预实验，考察模型从示范中学到了什么、对推断出的变换的应用是否一致，以及哪些概念仍然困难。

方法/产品要点

• 推理时输入会持续更新模型的循环记忆（recurrent memory）。
• 查询求解通过高维潜在空间中的迭代计算完成。
• 不将中间推理过程言语化（without verbalizing intermediate reasoning）。
• 模型具备上下文学习能力：推理时提供的输入/示范可进入记忆并影响后续求解。

主要结果或产业意义

• 150M 参数配置在 ARC-AGI-1 上达到 29.5% pass@2。
• 每个任务的计算成本约为 $0.0007（按论文计算口径）。
• 论文称该运行点突破了此前报告的 ARC-AGI-1 成本-准确率帕累托前沿，成为该基准成本效率的新 SOTA。
• 产业意义在于：如果该方法可推广，可能大幅降低需要多步推理的智能体任务的推理成本。

为什么重要

• BDH-CQ 说明“隐性/潜在推理 + 循环记忆”可以在不输出 Chain-of-Thought 的情况下获得较强的推理性能和极低计算成本。
• 这为“测试时计算”提供了一条不同于显式推理文本的路径：模型可以在潜在空间中反复迭代，而不是依赖生成长篇推理。

与既有脉络的关系

• 与 CompactionRL（上下文压缩）和 Copy Less, Ground More（证据感知强化学习）不同，BDH-CQ 不是通过压缩历史轨迹或奖励重塑来改进长上下文推理，而是通过循环潜在记忆在推理时逐步更新状态。
• 增量信息：BDH-CQ 提供了 ARC-AGI-1 上的成本效率证据，说明“非言语化潜在推理”也可能成为推理成本优化的重要方向。

局限与不确定性

• 摘要未披露完整的模型结构、训练方式、训练数据规模、循环记忆的具体实现等细节，待核实。
• pass@2 不是严格的单次采样准确率；其与 pass@1、多数投票等指标的关系待核实。
• $0.0007/任务 是论文计算得到的估计成本，实际部署成本可能因硬件、实现和推理长度而不同，待核实。
• 公开结果主要集中在 ARC-AGI-1 和 ARC 类受控任务；在其他推理基准或真实产品场景中的泛化能力待核实。
• 该论文是否经过同行评审或正式发表，待核实。

可用于图书/PPT/简报的角度

• 案例：150M 参数模型在 ARC-AGI-1 上以极低成本刷新帕累托前沿。
• 观点：让模型“在潜在空间里思考”可能比“把思考写出来”更省成本。
• 趋势：测试时计算正在从“生成更多文本”转向“更新内部状态 + 迭代计算”。
• 对比：显式 CoT 的高推理成本 vs. 潜在循环推理的低成本路径。

原始材料

• 英文标题：BDH-CQ: In-Context Learning with Recurrent Latent Reasoning
• arXiv ID：2608.09888v1
• 作者：Björn Engdahl, Adrian Kosowski, Jan Chorowski, Zuzanna Stamirowska, Przemysław Uznański, Junlin Jiang, Rohan Phadke, Remigiusz Kinas, Richard Zhong
• arXiv 元数据时间：2026-08-10T17:39:16Z
• 类别：cs.NE, cs.AI, cs.LG, stat.ML
• 原始链接：https://arxiv.org/abs/2608.09888v1
• PDF 链接：https://arxiv.org/pdf/2608.09888v1