NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

PrefrontalのCRAM、80年代のHopfield-Tankエネルギーを解例から学習させて数独と迷路を解く──H200 1枚で学習42ms/132ms、正答率99.996%と100%、コードはApache 2.0で公開

Prefrontal(ロンドン)のBenjamin Hoover氏ら3名は2026年11月12日、1980年代のHopfield-Tank型エネルギー関数を「解かれたパズル」の観察から学習させ、推論時はそのエネルギーを最小化して解を探すCRAM(Compact Reasoning Associative Memory)をarXivに公開した(プレプリント、arXiv:2611.17309)。H200 GPU 1枚での学習は数独Sudoku-Extremeで42ミリ秒、迷路Maze-Uniqueで132ミリ秒で、テストパズル41万2,786問の99.996%と1,000問の100%を解いた。著者らは同じ課題のループ型モデル(HRM・TRMなど)より最低1,000倍速い学習、同精度なら推論FLOPsを最低282分の1にすると報告する(測定条件の詳細は留意点)。解のエネルギーを下げて負例を上げる局所学習で推論軌跡の逆伝播が不要な点と、手設定のエネルギーでも同じ課題が解ける点(汎用推論能力の証明ではない)を区別して伝える。コードはApache 2.0でGitHubに公開されている。

数独や迷路のような簡単なパズルを題材に、層を繰り返し適用して答えを出す「ループ型モデル」の研究(HRM、TRMなど)が注目されてきた。ただしこれらの学習は、推論の軌跡を通した逆伝播(BPTT)を必要とし、不安定で学習が遅く、簡単なパズルに多くのパラメータとFLOPsを使う。一方、1980年代のHopfieldとTankは、適切に設計したエネルギー関数を最小化すると制約問題が解けることを示していた。CRAMはこの古典的なエネルギーを「学習する対象」に変えたものだ。

CRAMのエネルギーはボルツマンマシンの平均場自由エネルギーの形で書かれ、対相互作用の重みが学習可能になっている。学習は、正しい解のエネルギーを引き下げ、負例のエネルギーを押し上げる局所的な目的(擬似尤度)だけで、推論の過程を微分しない。推論では、新しいパズルの手がかり(既知のマス)を固定し、残りのマスをランダムに埋めた複数の探索チェーンを並行に走らせ、1マスずつエネルギーを最小化していく。チェーンは独立し、更新にはノイズがあるため局所的な偽の最小値から抜けられる。どれかのチェーンのエネルギーが、学習データの解から決めた閾値を下回ると探索を打ち切る。

図解CRAMの推論の手順
  1. 01 手がかり

    手がかりの固定

    新しいパズルの既知のマス(手がかり)をクランプする

  2. 02 開始

    複数チェーンの開始

    残りのマスをランダムに埋めた盤面を複数用意し、1盤面=1チェーンで並行に探索

  3. 03 探索

    エネルギー最小化

    1マスずつエネルギーを下げる更新を繰り返す(ノイズ付きで、偽の局所解から抜けられる)

  4. 04 停止

    閾値で停止

    どれかのチェーンのエネルギーが学習解から決めた閾値を下回ったら探索終了

  5. 05 回答

    回答の確定

    閾値を下回ったチェーンの盤面を答えにする

arXiv:2611.17309本文Fig.1・2章(著者の説明)。チェーン数は課題のレシピで決まる(Sudoku-Extremeは4、Maze-Uniqueは1、N-Queensとグラフ彩色は問題サイズN)。

Sudoku-Extreme(テスト41万2,786問)とMaze-Unique(同1,000問)での比較では、CRAMが両課題で最も正答率が高かった。ループ型で最も正答率の高いTRMPでもSudoku 99.87%・Maze 99.23%にとどまり、CRAMの学習時間はこれらのモデルの数千分の1以下だった。推論コストは、各モデルの最高精度に揃えて比べると、CRAMのFLOPsは最も近いEBRの282分の1、EqRとは128,000分の1だった(1万問の予算スイープ)。

図解Sudoku-Extremeでの比較(3シード平均)
  • CRAM

    正答率
    100.00(99.996)
    パラメータ
    7.7K
    FLOPs/問
    2.02×10⁹
    学習時間
    0.04秒
  • TRMP(再実装)

    正答率
    99.87
    パラメータ
    32.8K
    FLOPs/問
    4.57×10¹²
    学習時間
    9.0時間
  • EBR

    正答率
    99.85
    パラメータ
    1.8M
    FLOPs/問
    3.37×10¹¹
    学習時間
    2.8時間
  • GRAM

    正答率
    96.10
    パラメータ
    9.1M
    FLOPs/問
    8.51×10¹²
    学習時間
    3.2時間
  • TRM

    正答率
    85.73
    パラメータ
    5.0M
    FLOPs/問
    4.11×10¹¹
    学習時間
    2.5時間
  • HRM

    正答率
    54.62
    パラメータ
    27.0M
    FLOPs/問
    2.20×10¹¹
    学習時間
    1.2時間

arXiv:2611.17309 Table 2(HTML版、著者報告)。正答率は3学習シードの平均(Maze-UniqueはCRAM 100.00%・パラメータ18・FLOPs 8.37×10⁵・0.13秒)。CRAMのSudoku行はTable 2では小数2桁で100.00と表示されるが、要旨・本文・付録の停止規則表は99.996%で、記事ではそちらを採用。パラメータは非ゼロのユニーク値数。FLOPs/問は全探索チェーンと失敗した探索を含む平均。学習時間は測定条件が非対称(留意点参照)。TRMPは学習コード未公開のため著者らの再実装。

エネルギーの閾値で停止するため計算量が難易度に追従し、1万問を難易度ビンで分けると、中央値の計算量は最も易しいビンから最も難しいビンまで22倍に増えた(固定予算のFRMなどとの対比)。学習データの効率も報告され、同じエネルギーの学習方法を比べると、軌跡を通した逆伝播(BPTT)より局所目的の方が大幅に速いという。

もう一つの重要な結果は、手で設定したエネルギーでも同じ課題が解けるという点だ。課題のルールから重みを手設定したCRAM(ユニーク重みは1〜3個、学習なし)は、4つのベンチマークすべてのテスト問題を完全に解いた。N-Queens 8×8では、学習版CRAMが113パラメータ・2.9秒の学習で正答率99.95%に達し、手設定版は2パラメータで100%だった。同じ課題でHRMは84.41%に59分、GRAMは99.44%に1.3時間を要している。

図解N-Queens 8×8での比較(N=1の正答率)
  • CRAM(学習版)

    正答率
    99.95
    パラメータ
    113
    学習時間
    2.9秒
  • CRAM(手設定・学習なし)

    正答率
    100.00
    パラメータ
    2
    学習時間
    なし
  • EBR

    正答率
    100.00
    パラメータ
    7.1M
    学習時間
    3.2時間
  • GRAM

    正答率
    99.44
    パラメータ
    10.9M
    学習時間
    1.3時間
  • TRM

    正答率
    67.39
    パラメータ
    6.8M
    学習時間
    1.3時間
  • HRM

    正答率
    84.41
    パラメータ
    27.3M
    学習時間
    59分

arXiv:2611.17309 Table 3(HTML版、著者報告、3シード平均)。N=1は1サンプル保持、N=20ではCRAM(学習版)も100.00%。手設定版の学習時間「なし」は重みを手で設定することを示す。10×10盤では学習版99.45%(181パラメータ・6.8秒)。

留意点

結果は著者報告の査読前プレプリント(v1)で、コードと再現手順(REPRODUCING.md)は公開済みだが独立した再現はまだない。学習時間の比較は条件が非対称で、CRAMは同一プロセスの初回実行後に続く7回の完全実行の中央値、比較モデルは初期化とコンパイルを含む新プロセス1回の計測であり、「最低1,000倍」はこの条件下の主張だ(実時間とFLOPsは別の指標)。対象は候補構造が固定された制約パズルで、レシピにはタスク固有の事前知識(数独の制約テーブルや迷路の局所性など)が組み込まれている。手設定のエネルギーでも解けることから、この結果は汎用推論能力の証明ではなく、著者自身も「SudokuやMazeをループ型推論のスケーラビリティ試験に使うことへの警告」を結論の一つに掲げ、ARC-AGIのような複雑な課題では単純なエネルギーでは苦戦すると述べている(付録FにはMaze-Hard向けの潜在変数拡張がある)。

出典

  1. arXiv:2611.17309「Classical Energies Learn to Reason 1,000× Faster than Looped Models」|Benjamin Hoover、Hugh Blayney、James C. R. Whittington(Prefrontal, London)|投稿2026-11-12(v1のみ)タイトル・著者3名・所属・投稿日・要旨の数値(42ms/132ms、99.996%と100%、1,000倍、282分の1)の根拠
  2. 同論文HTML版(v1)CRAMのエネルギーと局所学習目的、推論手順(Fig.1)、Table 2・3の全数値(7ループ型ベースライン対比)、学習時間の測定条件の脚注、難易度適応(Fig.3の22倍)、FLOPsスイープの282〜128,000倍、手設定エネルギーの完全解答、ARC-AGIへの言及、テストセット規模(412,786問・1,000問)、ライセンスCC BY 4.0の根拠
  3. GitHub Prefrontal-AI/CRAM|作成2026-11-12・最終push 2026-11-13・Apache-2.0(GitHub API)コード・再現手順(REPRODUCING.md)の公開とライセンスの根拠

出典の確認日 2026.11.16

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む
  2. Appleの研究チーム、対話操作に足る速さの動画生成「FastFrames」を公開──1.3B構成で1フレーム36ms、VAE復号とKVキャッシュ更新の置換が鍵

    Appleの研究チームは2026年11月17日、入力に応じた対話操作が可能な速さで480p動画を生成する自己回帰型動画拡散モデル「FastFrames」の論文をarXivに公開した(arXiv:2611.23226)。1.3Bの構成では単一のNVIDIA B200で1フレーム36ミリ秒(毎秒27.8回の応答)、14Bの構成では8基のB200で45ミリ秒を著者らは報告している。論文はまず既存モデルの推論を計測し、VAE復号とKVキャッシュ更新という「固定の実装詳細」とされてきた処理がエンドツーエンド遅延の半分以上を占めることを示したうえで、この2つを軽量な代替に置き換えた。論文、コード、重みが公開されている。

    記事を読む
  3. Google、GeminiのエージェントをTasksへ刷新──日本を含む6カ国で無料提供を順次開始、Gemini 4 Hydrogenとアカウント専用VMで実行

    グーグルは2026年11月17日、Geminiアプリの常時稼働型エージェントを「Tasks」として刷新し、米国・日本・韓国・カナダ・オーストラリア・インドの6カ国で無料提供を順次開始すると発表した。Gemini 4 Hydrogenを使い、ホーム画面のトグルをChatからTaskへ切り替えると、Google CloudのAgent Compute Engineが提供するアカウント専用のハードウェア隔離VMでタスクを実行する。電話発信やgemini@google.comへのメール転送、SMSによる指示は米国から順次の提供で、日本で同等の機能が使えるとは発表されていない。重要な操作の前に確認や事前承認を求める設計も明らかにした。

    記事を読む