TACIT：感知变换的隐式思维捕捉

本文提出 TACIT，一种用于可解释视觉推理的基于扩散的 Transformer。与语言推理系统不同，TACIT 利用整流流在像素空间运行，直接可视化每一步推理过程。在迷宫求解任务中，模型学习将未解迷宫图像转化为解法。定量分析揭示了显著的相变现象：解法在大部分过程中不可见，随后突然涌现。这种“尤里卡时刻”模式平行于人类认知中的顿悟现象，为理解神经网络如何发展前语言的隐式推理策略提供了基础。