DODR：潜在空间中的确定性操作驱动推理

研究人员提出了一种名为 DODR（Deterministic Operator-Driven Reasoning）的确定性算子驱动潜空间推理架构。该架构将推理过程重构为高维线性代数空间的推理图计算，以语义单元而非词元作为快照向量原语，并通过无采样矩阵运算实现推理步骤。其核心包含三个可训练算子：基于皮尔士三分类形式的秩亏演绎、满秩归纳以及基于 Moore-Penrose 伪逆的 abduction（溯因）算子。实验在 503 条样本记录上验证了该架构的有效性，结果显示演绎损失收敛至 1.40e-05，归纳泛化覆盖率达 99.96%，abduction 解法超越随机基线 28 倍，且冻结算子在未见跨域演绎任务中保持了 100% 的准确率。