[AI]《PoTRE: Test-Time Reasoning inspired by Cognitive Heterogeneity》A Kankariya, S Ö. Arık [Google Cloud] (2026)

在通用人工智能领域，处理需要长程规划、严密纠错和新颖抽象的复杂推理（如 ARC-AGI 或 HLE 榜单）仍然是一个悬而未决的难题。过去的方法受困于同质化采样带来的“群体思维”偏见，本质原因是相同模型在单一推理路径下容易产生相关性极高的逻辑幻觉，单纯增加计算量无法消除系统性盲点。

本文的核心洞见是：把复杂推理重新看作多种异质认知策略的并行博弈。由此，通过同时驱动“对抗辩论”、“层级规划”、“广度搜索”和“直接链式推理”这四种截然不同的拓扑智能体，PoTRE 实现了推理路径的解耦，使系统能够利用不同智能体互补的失败模式，通过最终的任务自适应聚合层筛选出全局最优解。

这项工作真正留下的遗产是证明了“推理拓扑的宽度”可以有效替代“参数规模的深度”，使轻量级模型在多项前沿基准测试中超越了参数量大得多的前沿模型。它为后来者打开的新门是利用测试时计算（Test-Time Compute）实现模型能力的非线性跃升，但尚未跨过的门槛是完美解决“验证瓶颈”——即如何确保聚合层在所有候选答案均极具迷惑性时仍能做出正确决策。

arxiv.org/abs/2607.20268 #机器学习# #人工智能# #论文# #AI创造营#