"Новости рекуррентного ризонинга. Теперь нейросимвольный подход с добавлением решёток (Дима Игнатов будет счастлив!). Щёлкает sudoku-extreme моделью на 800k параметров. ""Лучше маленький, но с решёткой, чем большой но с галлюцинациями"" Lattice Deduction Transformers __Liam Davis, Leopold Haller, Alberto Alfarano, Mark Santolucito__ Paper: https://arxiv.org/abs/2605.08605 Review: https://arxiviq.substack.com/p/lattice-deduction-transformers Code: N/A Model: N/A # TL;DR Что сделали: Авторы представили «дедуктивный решётчатый трансформер» (Lattice Deduction Transformer) — особый вид рекуррентной нейросети-трансформера, которая решает сложные логические головоломки. Для этого она проецирует свои внутренние состояния на строго описанную математическую систему координат, называемую решёткой, объединяя глубокое обучение с классическими алгоритмами поиска. Почему это важно: Этот подход доказывает, что специализированные нейросети всего на 800 тысяч параметров могут безошибочно решать сложнейшие задачи на логическое рассуждение. Они превосходят даже передовые коммерческие LLM (большие языковые модели, обученные на гигантских объёмах текста) вроде Claude 4.6 или GPT-5.4, которые набирают в этих тестах ровно 0%, при этом их обучение обходится в крошечную долю от стоимости обучения гигантов. Решётничать тут: https://t.me/gonzo_ML_podcasts/3863"