递归推理模型如层次推理模型（HRM）和微型递归模型（TRM）表明，小型共享权重网络能够通过迭代精炼潜在状态来解决计算密集型和NP难题。然而，它们的训练通常依赖于深度监督和/或长时间展开，这会增加实际计算时间并可能导致模型偏向贪婪的中间行为。递归干茎模型（RSM）提出了一种递归推理方法，保留了TRM风格的骨干，同时改变了训练契约，使网络学习到一个稳定的、与深度无关的转移算子。RSM在训练过程中完全脱...