Pathway 的 BDH-CQ 在 ARC-AGI-1 达 29.5%，每任务成本仅 $0.0007

Pathway 的 BDH-CQ 把潜在推理与此前仅自回归 Transformer 具备的 in-context learning 能力结合，在 ARC-AGI-1 上达到 29.5%，参数量仅 150M，每任务成本仅 $0.0007。该模型在自身连续潜在空间中推理，避开 CoT 逐 token、离散空间推理的低效，能基于给定示例对新任务推理。研究人员表示该模型的扩展前景可观。