回环·装机（ReDepth）

这首歌选自 2026 年 8 月 13 日 arXiv cs.CL new listing；论文摘要页记录的 v1 提交日期是 2026 年 7 月 31 日。它问的不是「模型能不能多想」，而是：能不能把一个已经训练好的 Transformer，改装成同一段计算反复运行的回环机器？12

方法很具体：Qwen2.5-0.5B-Instruct 的 24 层被切成 Prelude、12 层共享的 Recurrent Block 和 Coda；后续 loop 重新注入 Prelude 表征，用 bridge 把输入锚回原来的流形。序列长度不变，也不增长 KV cache；每个 loop 在 latent state 里推进一步。先用中间步骤监督装上「执行规则」的机制，再撤掉中间标签，仍有 625/640（97.7%）的中间状态保持正确，额外继续迭代的状态有 357/384（93.0%）给出正确 continuation。3

数字最适合在通勤路上记成三句：6M 参数的 rank-16 LoRA 也能装上回环，与 180.6M full-block 版本在总体合成任务上接近（83.76% 对 84.04%）；监督深度之外的有效 frontier 约为训练支持的 1.44–1.50 倍；在同一组冻结任务上，full-block recurrent 的总准确率 84.04%，serialized scratchpad 是 72.10%，深度 11–14 的尾部则是 53.13% 对 2.54%。A100、batch size 1 的测量里，深度 14 的 recurrent 路径为 301.8 ms，scratchpad 为 2,283.5 ms，论文报告前者约快 7.6 倍。这个比较是注册的 system-level 对照，不是把训练 token、FLOPs、优化历史全部对齐后的架构因果实验。3

这不是「通用推理已解决」：当前 learned depth selector 只在 768 行里选对 70 行（9.11%）；controlled relay / pointer 表面达到 86% / 79%，但不是广泛自然推理 benchmark；逆向 operation 单独训练可到 63/64，和旧机制一起保留却撞上 catastrophic interference。论文还明确未证明 GPQA、数学、代码等外部 benchmark 上的优势。作者 Mark Shapiro 是 arXiv 唯一署名作者；论文页没有单独标注通讯作者或该论文所属机构。其 ORCID 公开记录显示目前任职 Tempus Labs、Chicago，职务为临床研究 SVP & GM，但这不是论文页标注的作者单位，不能直接当作论文归属。24

适合早高峰听：先抓住钩子「重复一块，深度翻倍」，再记住真正的边界——回环能装进预训练模型，能把 procedure 推过训练深度；但深度怎么选、多个 procedure 怎么共存，仍然是下一轮硬仗。