CLRS 算法推理基准是结合神经网络与经典算法的新兴研究领域，从《算法导论》中提取排序、搜索、动态规划等算法。实验展示了算法推理基线的表现，并指出了一些挑战。

机器学习方法在模式识别方面表现出色，但在可伸缩的算法推理任务方面仍有困难。近期的深度思考方法在学习算法的外推方面表现出希望，但局限于对称任务。为了弥补这一差距，提出了一种名为NeuralThink的新循环架构，能够一致地对称和不对称任务进行外推。通过引入一种新颖的不对称任务基准，展示了NeuralThink在对称和不对称任务的稳定外推方面始终优于先前的深度思考架构。