层次递归推理中的交互局部性
人工智能
2026-05-21 v1 机器学习
摘要
空间推理既需要位置绑定的计算，又需要位置不变的结构：智能体必须在保持路线、对象或约束级别计划的前提下进行局部动作。我们提出了交互局部性（interaction locality）——一种基于任务几何感知的框架，用于衡量信息流是否局限于相邻单元或语义片段，或跨越这些单元。我们通过稀疏自编码器特征消除和有限噪声激活修补来实现该框架，附录中报告了结构雅可比和注意力检查，并将其应用于HRM和TRM两种紧凑型层次化递归推理模型，测试于迷宫-困难、数独-极限和ARC-AGI。 在这些模型中，激活修补提供了最清晰的架构指纹：高层循环状态倾向于在相邻单元或同一片段内写入信息，而重复的递归更新会将这些局部写入累积到更广泛的解决方案结构中。这一模式在迷宫路径、数独约束和ARC-AGI对象邻域中均成立，其中TRM的局部性最强。为测试交互局部性是否超越 toy-yet-challenging 的网格基准，我们还将其应用于MTU3D——一个大规模具身化3D场景定位模型。在MTU3D设置下，因果空间局部性主要出现在视觉场景特征传递至下游定位模块的转换处，而非在视觉编码器中均匀分布。这一对比表明，HRM和TRM中观察到的从局部到全局的交接与显式递归推理动力学有关，而具身化3D模型可能将因果空间结构集中在模块边界。交互局部性将直观的“局部执行/全局规划”叙事转化为递归与具身化空间推理的可重复测量框架。
引用
@article{arxiv.2605.20784,
title = {Interaction Locality in Hierarchical Recursive Reasoning},
author = {Yosuke Miyanishi and Tetsuro Morimura},
journal= {arXiv preprint arXiv:2605.20784},
year = {2026}
}