> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# EBR：以能量函数引导循环推理、停止与候选选择
- URL: https://binnn.top/energy-based-recurrent-reasoning/
- Published: 2026-11-19T01:36:42.000Z
- Updated: 2026-11-19T04:11:42.000Z
- Description: 研究把潜在状态的循环更新写成能量梯度下降，并引入探索式训练。推理时以梯度阈值决定停止，以能量选择候选；多解评测则另行统计有效解的覆盖比例。
- Author: Sunbin 编辑部
- Tags: AI 最新论文进展, 语言模型, #sunbin-auto, #sunbin-newsroom

论文阅读笔记 · energy-based-reasoners.github.io · 原文日期 2026-11-18

## 将潜在状态更新写成梯度下降

能量式推理器（EBR）学习定义在潜在推理状态上的能量函数，把循环更新写成沿该能量进行梯度下降的过程。作者还引入基于探索的训练，目的是发现更多解的模式，并在更广的状态范围内塑造能量景观。这是作者提出的训练方法与目标。

## 能量评分与梯度各司其职

在作者的描述中，能量衡量推理状态与初始棋盘的相容程度，数值越低表示越相容；梯度则把评分转成状态改进的方向。当梯度足够小时，状态趋于稳定，因此梯度也被用作停止依据；面对多个候选解，模型选择能量最低的一项。

## 下降步数与轨迹数量控制不同环节

推理时，每条轨迹在能量梯度低于阈值后停止。按作者描述，简单谜题可以较快结束，难题则继续迭代。增加下降步数用于继续细化每个答案，增加轨迹数量则提供更多候选，再交由能量评分筛选；两者分别影响答案的细化过程和候选范围。

## 多解覆盖率保留采样条件

多解评测采用覆盖率衡量答案的多样性：对每个输入，统计20个样本找到的不同有效解，占该输入全部不同有效解的比例。这个指标关注有限采样能够找到多少种有效答案；阅读结果时，需要保留采样数量，以及以不同有效解为统计对象的定义。

原始标题：Energy-Based Reasoners: Your Recurrent Reasoner Should Be an Energy-Based Model  
[来源：energy-based-reasoners.github.io](https://energy-based-reasoners.github.io/?ref=binnn.top)