Latent Reasoning（隐式推理）

Latent Reasoning强调在神经网络的隐藏层或隐变量空间中完成推理，避免显式输出中间推理步骤。传统符号推理依赖显式规则，而隐式推理通过分布式表示捕捉复杂关系，如Transformer的隐藏状态。相关研究包括隐变量模型（如VAE）、连续思维链（如Coconut）和隐式推理的强化学习。优势在于高效处理不确定性和大规模知识，但可解释性较差。