InfiLoop预印本：循环原生残差连接助7M模型数独准确率近98%

InfiLoop方法让7M参数模型在Sudoku-Extreme达到97.9%准确率，并能随测试时迭代超过2万步持续改进。

背景：现有循环Transformer增加迭代次数反而降低推理准确率，因为噪声状态更新会覆盖正确的中间推导，甚至撤销已完成的解法，导致后续迭代难以纠错。

结论：该预印本提出InfiLoop，一种结合内容加权与时间衰减的循环原生残差连接。它学习保留哪些过去计算并接受多少新更新，从而抑制不可靠提案并保留有用状态。

边界：数据来自作者自测，尚未见独立复现；主要验证于数独和ARC-AGI-2等特定推理任务，未说明在通用语言模型上的表现。