循环模型的长度泛化：通过进度对齐与范数锚定实现 16 倍外推

循环大模型在推理时增加迭代步数，往往难以稳定转化为更长序列的求解能力。PAR 引入进度对齐与隐藏状态范数锚定，迫使每一步迭代严格对应一步状态转移。在基于 Qwen2.5-0.5B 的置换跟踪测试中，模型仅凭 32 步训练便在 512 步序列上保持 95.5% 的准确率，将循环深度有效外推至训练长度的 16 倍。