Первый обучаемый нейронный reasoner на 16 КБ без LLM: VSA-архитектура достигла 90% точности на multi-hop QA

Представлен первый обучаемый нейронный reasoner, построенный на Vector-Symbolic Architecture (VSA). В отличие от традиционных LLM, модель использует 16-килобайтный тернарный резонатор и не требует GPU для работы — всё выполняется на CPU.

На задаче multi-hop QA модель показывает в среднем 90% точности точного ответа: 100% на 1-2 шагах и 70% на 3-шаговых запросах. Это демонстрирует, что эффективное рассуждение возможно и без гигантских нейросетей.

Разработка открывает путь к компактным и энергоэффективным системам рассуждения, пригодным для edge-устройств. Пока не сообщается, будет ли код или модель опубликованы в открытом доступе.