核心观点 - AI大牛田渊栋团队提出连续思维链（CoCONUT）方法，通过连续隐向量实现并行搜索，显著提升模型在复杂任务（如有向图可达性问题）中的推理效率[1][2][7] - 连续思维链类比量子叠加态，可同时编码多路径信息，相比离散思维链（需O(n²)步解码）仅需D步（D为图直径），理论效率提升显著[7][8] - 实验显示2层连续CoT模型在ProsQA数据集上准确率接近100%，远超12层离散CoT模型（83%）和无CoT基线（75%）[27][28] 技术实现 注意力选择器机制 - 设计类似导航仪的注意力选择器，根据特定标记（如边结束token）动态聚焦源/目标节点，确保信息精准提取[11][12][13] - 无明确标记时自动回溯初始条件，防止模型迷失[14] 双层Transformer架构 - **第一层**：5个注意力头整理边信息，标注起点/终点并保留初始节点嵌入[19][20][21] - **第二层**：并行探索路径，通过叠加态（节点集合Vc）扩展新节点（Vc+1），实现广度优先搜索[22][23][24] - MLP层过滤噪声节点并平衡权重，优化路径探索[29] 性能验证 - 在ProsQA子集（需3-4推理步长）测试中，连续CoT模型准确率接近100%，离散CoT模型为83%[26][27][28] - 注意力模式分析证实叠加态搜索行为存在，支持理论假设[30] 研究者背景 - 田渊栋任职Meta GenAI，业余创作科幻小说《破晓之钟》，探讨AI模仿数据与人类智慧的本质差异[31][32][39] - 新作延续世界观，涉及群体意识与星际殖民议题，计划用AI辅助写作[44][45]