Мы научили модели говорить дольше
Современные системы рассуждения получили возможность тратить больше вычислений на сложный вопрос. Но дополнительное мышление часто материализуется в дополнительных токенах.
Язык оказывается одновременно интерфейсом между человеком и моделью и рабочим пространством вычисления. Эти две функции необязательно должны совпадать.
Рекуррентная глубина предлагает другую конструкцию: повторно преобразовывать скрытое состояние модели, не требуя нового текстового шага после каждого внутреннего вычисления.
Возвращение рекуррентности
Классические рекуррентные нейронные сети переносили скрытое состояние вдоль последовательности. При рекуррентной глубине похожая идея применяется по другой оси: один вычислительный механизм повторно работает с представлением одной и той же задачи.
hₖ₊₁ = F(hₖ, x)
Здесь k — не следующий токен. Это следующий проход вычисления. Физическая глубина сети и глубина фактически выполненного вычисления перестают быть одним и тем же.
L₁ → L₂ → L₃ → L₄ → OUTPUT
F → F → F → F → OUTPUT
Три ресурса интеллекта
Что система хранит в весах.
Сколько последовательного вычисления материализуется через язык.
Сколько раз преобразуется уже существующее внутреннее состояние.
P × T × R — аналитическая модель этой статьи, а не установленный закон масштабирования.
ДАННЫЕ · OURO-2.6B / СРЕДНИЙ РЕЗУЛЬТАТ
Больше вычислений не означает лучший результат.
В опубликованных авторами средних результатах по шести тестовым наборам качество быстро растёт в первые рекуррентные циклы, достигает максимума около T=4, а затем слегка снижается. Значения T=5–8 получены авторами при экстраполяции за пределы глубины, использованной при обучении.
БОЛЬШЕ ВЫЧИСЛЕНИЙ ≠ ЛУЧШЕ РЕЗУЛЬТАТ
Этот график не доказывает существование универсальной оптимальной рекуррентной глубины. Он показывает более узкую вещь: в конкретной модели дополнительная глубина после некоторой точки перестаёт улучшать агрегированное качество. Следовательно, сам выбор момента остановки становится частью вычислительной задачи.
Экономика мышления
Рекуррентность не создаёт бесплатный интеллект. Повторный проход требует реальной вычислительной работы.
Но она меняет структуру обмена между параметрами, памятью, задержкой, объёмом вычислений и качеством. При развёртывании появляется новая переменная: не только какую модель запустить, но и сколько вычислительной глубины дать конкретной задаче.
Четыре уровня рекуррентности
Как сделать текущее решение лучше?
Достаточно ли уже вычислений?
Какая другая траектория может оказаться лучше?
Почему текущее решение может быть неправильным?
R1–R4 — предлагаемая в этой статье аналитическая классификация, а не общепринятая терминология.
Бюджет сомнения
Обычно дополнительные вычисления рассматривают как ресурс для построения более сильного решения. Но часть бюджета можно направить не на продолжение решения, а против него.
Не «как ещё улучшить мой ответ?»
Какое наиболее сильное основание считать мой текущий ответ неправильным?
Для агента ошибка заканчивается действием
Ошибка чат-бота часто заканчивается неправильным текстом. Ошибка автономного агента может закончиться отправленным письмом, изменённой базой данных, покупкой, развёрнутым кодом или удалённым файлом.
Поэтому вычислительный бюджет разумно связывать не только со сложностью задачи, но и с ценой ошибки.
Не думай больше только потому, что задача сложнее. Сомневайся больше, когда ошибка дороже.
Неожиданная связь: глубина и отказ
Свежий препринт 2026 года исследует ещё одну функцию рекуррентной глубины: не качество решения как такового, а переход от распознавания вредного запроса к отказу его выполнять.
В одной из исследованных версий Ouro-1.4B-Thinking сокращение рекуррентной глубины примерно вдвое оставляло точность на GSM8K на уровне 0.692 против 0.775 при полной глубине — около 89% исходного результата. Но вероятность содействия вредному запросу при этом выросла с 0.038 до 0.205, более чем в пять раз.
Линейный классификатор при этом уже после первого рекуррентного цикла распознавал вредоносность в скрытом состоянии с ROC AUC 0.967. Это позволяет осторожно разделить две операции: представление о том, что запрос вреден, может возникнуть рано, тогда как превращение этого представления в устойчивый отказ требует дальнейшего вычисления.
Это не означает, что «больше циклов = безопаснее» или что рекуррентность создаёт этику. Результат относится к конкретным моделям с рекуррентной глубиной и конкретному типу поведения, связанного с безопасностью. Существеннее другое: вычислительная глубина может влиять на преобразование уже распознанной ситуации в поведенческий отказ.
В предыдущем исследовании вопрос звучал так: может ли система отказаться от действия, если применимое правило кажется ей недостаточным? Здесь возникает более ранний вопрос: сколько вычисления требуется между распознаванием основания для отказа и самим отказом?
От глубины к направлению
Следующий вопрос — не только сколько ещё вычислять.
Какого типа должен быть следующий шаг?
Как сделать текущее решение лучше?
Дополнительные вычисления углубляют текущую траекторию.
Следующая стадия масштабирования вычислений при инференсе может заключаться не в максимизации вычислительного бюджета, а в способности системы распределять его между решением, проверкой, оппозицией и исследованием альтернатив. Это вывод-гипотеза статьи, а не результат существующего тестового набора.
