语言模型的推理能力已成为当前研究的焦点，但传统思维链（CoT）受限于自然语言这一"思维介质"，人类许多认知过程从未被显式书写，因而无法被模型从数据中习得。

在最新的研究中提出了一种新视角：将推理重新表述为"价值引导的隐空间优化"，即不依赖外部信息，直接在模型内部隐空间中沿价值梯度搜索更优解。

8月22日（周六）10:00点​，青稞Talk 第147期，北京大学博士生李珩立，将直播介绍两项工作：LatentSeek & GradCuit。

LatentSeek 通过自奖励与策略梯度在测试时优化隐表示，在 GSM8K、MATH、AIME 等基准上显著超越 CoT。

Paper：Seek in the Dark: Reasoning via Test-Time Instance-Level Policy Gradient in Latent Space
arXiv：https://arxiv.org/abs/2505.13308v1
Code：https://github.com/bigai-nlco/LatentSeek

GradCuit 进一步解决信用分配问题，让梯度穿透模型内部回路，带来更强的鲁棒性。核心洞见是：好的隐空间，足以让"跟随价值梯度"成为解决复杂问题的通用路径。

Paper：Circuit-like Gradient Flow for Test-Time Instance-Level Latent Reasoning
arXiv：https://arxiv.org/abs/2608.02585
Code：https://github.com/Yuzhaoxin946/GradCuit

青稞介绍

李珩立，北京大学人工智能研究院自然语言处理方向的博士生，师从北京大学朱松纯教授、北京通用人工智能研究院（BIGAI）郑子隆研究员和北京大学张驰教授。他主要研究语言模型的隐空间推理与价值引导生成。他的工作探索如何通过隐变量方法改进语言建模，包括在推理阶段利用价值引导优化隐表示以提升推理能力，以及在训练阶段学习隐变量。他曾在 NeurIPS、ICLR、ICML 等顶级会议发表论文，代表性工作包括 LatentSeek、GradCuit等。

主题提纲

LatentSeek & GradCuit：从价值引导的隐空间优化看大语言模型推理

1、LLM 推理的瓶颈与 CoT 的局限
2、隐空间推理：从似然驱动到价值驱动
3、LatentSeek：自奖励与策略梯度驱动的测试时优化
4、GradCuit：梯度穿透回路，解决信用分配
5、实验验证：性能、鲁棒性与可解释性
6、核心洞见与未来方向 & AMA （Ask Me Anything）环节

直播时间

8月22日（周六）10:00 - 11:00