本文提出了思考和感知的数学公式，形式化地推导出慢思考作为主动感知的一种形式。作者提出了“主动提升”，一种基于采样潜在序列以最大速率降低不确定性的理论。

  • 该框架涵盖了慢思考大型语言模型的设计、训练和推理。
  • 它推导出一个包含静态理论子空间的大设计空间，其中模型可以通过表示和采样器层次结构进行升级。
  • 技术副产品包括改善慢思考模型的三阶段路径以及构建所有数据模态编码器的统一方法。
  • 该理论还解决了类似人类的视觉表征的先验形成问题，并提出了政策崩溃的可能解决方案。

这项工作描述了感知的代理性，并通过具有内部时间轴的推理过程解释了慢思考格式的出现。