1.2 KiB
1.2 KiB
title, created, updated, type, tags, sources, confidence
| title | created | updated | type | tags | sources | confidence | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Stochastic Latent Trajectory（随机潜在轨迹） | 2026-05-23 | 2026-05-23 | concept |
|
|
high |
Stochastic Latent Trajectory
GRAM 的核心创新：将推理过程建模为随机潜在轨迹，每次递归步从分布中采样下一步状态，而非确定性更新。
形式化
给定输入 x 和前一步潜在状态 z_{t-1}：
z_t ~ p_theta(z_t | z_{t-1}, e_x)
T 步后得到轨迹 (z_0, z_1, ..., z_T)，最终预测由解码器从 z_T 产生。
关键区别
| 确定性 RRM | GRAM (随机) | |
|---|---|---|
| 转移 | z_t = f(z_{t-1}, e_x) | z_t ~ p(z_t |
| 轨迹数 | 1 条 | 分布上的多条 |
| 预测 | 单点 | 边际化 |
为什么需要随机性
- 维持不确定性：不确定的区域保留多条路径
- 探索替代策略：不同轨迹探索不同解空间
- 实现**inference-time-scaling**：通过并行采样轨迹 scale