**揭秘隐藏状态递归：可切换潜在推理与直接强化学习训练**

_Demystifying Hidden-State Recurrence: Switchable Latent Reasoning with On-Policy Reinforcement Learning_

> 本文提出 SWITCH 框架，利用显式边界标记 <swi\> 和 </swi\> 使潜在推理块与在线策略强化学习兼容，并支持因果机制分析。通过可见到潜在课程与 Switch-GRPO 目标训练，SWITCH 在同类规模下一致超越先前方法，并通过边界标记揭示了学习切换策略、任务相关计算及其集中于单次隐藏状态转换等关键发现。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.13106)