PaTh 给扩散模型装上思考器，10M 参数解出 92.5% 困难数独

华沙理工大学等机构提出 Painter-Thinker（PaTh）框架，用约 10M 参数的小型递归网络在去噪每一步精炼潜状态，再通过 ControlNet 适配器引导冻结的扩散模型输出，困难 MNIST 数独解出 92.5%、极难档 71.2%。该框架仅用标准重建损失训练，不需符号目标或外部求解器，在迷宫、Queens、CLEVR 空间关系任务上同样优于基线，问题越大优势越明显。