https://jiajia.fun/a/eaf1b6a7-a8e6-49ac-9847-929822347ce1-cram%E5%8F%AF%E5%AD%A6%E4%B9%A0%E8%83%BD%E9%87%8F%E5%87%BD%E6%95%B0%E8%AE%BA%E6%96%87%E8%AE%B2%E4%BA%86%E4%BB%80%E4%B9%88

# CRAM可学习能量函数论文讲了什么

CRAM 将 Hopfield-Tank 能量函数做成可学习版本来替代 looped 推理，在数独和迷宫上以极小参数量实现百倍级提速，但也反向证明这类窄基准无法有效衡量推理扩展能力。

## 要点

1. 核心思路是把 looped 模型的隐式迭代替换为显式可学能量函数，包含负熵、格子间代价矩阵与偏置三项。
2. 训练采用 pseudolikelihood 等局部目标，无需沿推理轨迹反向传播，省去 BPTT 巨大开销。
3. 推理时钳住已知线索并行做 Gibbs 下降，达到拟合阈值即早停，计算量随题目难度自适应。
4. 在数独和迷宫上仅用极少参数与毫秒级训练即达 100% 准确率，但该方案在 ARC-AGI 等复杂任务上仍需引入隐变量扩展。
5. 对 Agent 与评测的启发是：用确定性搜索替代可兜底的生成环节，并警惕能被极少参数刷满的窄评测集。

## 来源

- [原始讨论 1](https://jiajia.fun/qa/012e50a98597888a1b4f52d2)
