3,583 papers
arXiv:2512.02677 74 2 дек. 2025 г. PRO

Looped Locate-and-Replace: послойное решение рекурсивных задач

КЛЮЧЕВАЯ СУТЬ
Обнаружено: Трансформер с фиксированным числом слоёв физически не может обработать рекурсию глубже этого числа. Модель идеально решает выражения длиной 20 символов с глубиной 3, но падает до 50% (случайное угадывание) на выражениях длиной 10 символов с глубиной 7. Корреляция точности с глубиной вложенности −0.92, с длиной всего −0.21. Метод Looped Locate-and-Replace позволяет решать глубоко вложенные задачи (формулы, логические цепочки, иерархии данных) через послойное упрощение. Фишка: не пытаться решить всё за один проход — разбить на цикл простых шагов. Две специализированные модели в петле: локатор находит самое вложенное вычислимое подвыражение (бинарная классификация границ), заменитель вычисляет его и подставляет результат обратно. Цикл повторяется пока выражение не упростится до финального значения. На глубине 8-12 метод держит 60-80% точности там, где обычный трансформер даёт 0-10%.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с