시각-추론 모델 - BDH-CQ: 순환 잠재 추론을 이용한 맥락 내 학습 (In-Contect Learning)

https://arxiv.org/abs/2608.09888

2026.8.10
[BDH-CQ: In-Context Learning with Recurrent Latent Reasoning]

이 자료는 시각적 추론 벤치마크인 ARC-AGI-1에서 비용 효율성 부문 세계 최고 수준을 달성한 새로운 인공지능 모델 BDH-CQ를 소개합니다. 이 모델은 기존 언어 모델처럼 중간 사고 과정을 문장으로 출력하는 대신, 고차원 잠재 공간에서의 반복적인 연산을 통해 추론을 수행함으로써 연산 비용과 지연 시간을 획기적으로 줄였습니다. 특히 순환 잠재 추론 기술을 활용하여 별도의 파라미터 업데이트 없이도 추론 시점에 제공된 예시만으로 새로운 규칙을 빠르게 학습하는 인-컨텍스트 학습 능력을 극대화했습니다. 연구진은 통제된 실험을 통해 이 모델이 복잡한 시각적 변환이나 색상 매핑을 효과적으로 수행함을 입증했으며, 이는 인공지능이 언어라는 틀을 벗어나 연속적인 사고 체계만으로도 고등 추론이 가능함을 보여주는 중요한 진전입니다.