再帰深度

再帰深度って何？

「不透明な再帰」がモデルの内部で思考をループさせることなら、「再帰深度」（Recurrent Depth）が問うのは「何回ループしたのか」。内部の層が何度実行されたかを測る指標です。ルームランナーに例えるなら、再帰深度は「何周走ったか」にあたります。

不透明な再帰との関係は？

不透明な再帰は「振る舞い」、再帰深度は「ダイヤル」
前者は「内部で計算を繰り返す」ことを、後者はその回数を表します。「N回ループした」と数字にするのです。片方は「何をするか」、もう片方は「どれだけするか」。

深度が大きくなるとどうなる？

思考が深くなる
周回を増やせば、モデルが結果を磨くチャンスも増え、難しい問題の精度は上がりがちです。
コストが増える
1周ごとに計算資源と時間を消費します。深ければ良いわけではなく、「質」と「コスト」の釣り合いが大切です。
収穫は逓減する
「長く考えれば良い答えになる」わけではないのと同じで、ある程度を超えると伸びは小さくなり、新たなミスを招くこともあります。

なぜ急に話題になったのか

推論モデルが「考えを書き出す」から「内部で静かに計算する」へ移るにつれ、「内部でどれだけ計算しているか」を表す言葉が必要になりました。再帰深度は、その隠れた計算量を、議論できて調整もできるエンジニアリングのパラメータに翻訳します。

まとめ：再帰深度とは、AIが内部で「ループ思考」する回数。回数が増えるほど思考は深まり、代償も大きくなります。