1.5亿参数模型逼近ARC-AGI-1新前沿

ARC-AGI-1 长期被视作纯 LLM scaling 的照妖镜，GPT-4 也只有个位数表现。这篇的关键不是 29.5% 绝对值，而是证明小模型靠推理时计算动态更新记忆就能逼近甚至超越大模型的样本效率，这对"买卡堆参数"的主流叙事是个直接挑战。

之前类似思路有 DeepMind 的 Adaptive Computation Time 和更多近期的 test-time compute 工作，但 BDH-CQ 把 recurrent state 和 in-context learning 绑在一起，意味着每个新样本都能实时改写推理策略，不需要微调。如果开源代码和训练细节完整放出，做边缘部署或低延迟推理的团队可以优先复现，150M 参数意味着消费级 CPU 就能跑。

潜在风险是 ARC-AGI-1 的评测集较小，29.5% pass@2 的方差需要更多独立验证，且潜空间推理的不可解释性在需要审计的场景会是落地障碍。