Liquid AI veröffentlicht Antidoom: Methode gegen Endlosschleifen in Reasoning-Modellen durch Optimierung der letzten Token-Präferenz
Originaltitel:Liquid AI Open-Sources Antidoom: A Final Token Preference Optimization (FTPO) Method that Reduces Doom Loops in Reasoning Models
KI-Zusammenfassung
Liquid AI hat Antidoom als Open Source veröffentlicht, eine gezielte Reparaturmethode auf Basis von Final Token Preference Optimization (FTPO) zur Reduzierung von Doom Loops (Endlosschleifen) in Reasoning-Modellen. Die Methode lokalisiert das erste Token, an dem die Schleife beginnt, und trainiert das Modell, kohärente Alternativen zu wählen, ohne die Gesamtausgabeverteilung zu verändern. Bei LFM2.5-2.6B sank die Schleifenrate bei schwierigen Mathematik- und Programmieraufgaben von 10,2 % auf 1,4 %; bei Qwen3.5-4B von 22,9 % auf 1 %. Der gesamte Prozess lässt sich in wenigen Stunden abschließen; der gesamte Code und der Datensatz (LiquidAI/antidoom-mix-v1.0) wurden als Open Source veröffentlicht.
Kernpunkte
- Liquid AI hat Antidoom als Open Source veröffentlicht,eine gezielte Reparaturmethode auf Basis von…
- Die Methode lokalisiert das erste Token,an dem die Schleife beginnt,und trainiert das…
- Bei LFM2.
- 6B sank die Schleifenrate bei schwierigen Mathematik- und Programmieraufgaben von 10,2 % auf 1,4 %
- bei Qwen3.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- MarkTechPost(RSS)
- Kategorie
- Tutorials & Tipps
- KI-Bewertung
- 70
Antidoom 用一次训练就修复了小型推理模型常见的 doom loop,LFM2.5 和 Qwen3.5 的循环率从两位数掉到 1%,代码和数据全开源,自己训模型时可以直接加这一环。
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Liquid AI veröffentlicht Antidoom: Methode gegen Endlosschleifen in Reasoning-Modellen durch Optimierung der letzten Token-Präferenz. 8. Juli 2026. https://new.nat6.net/de/news/cmraw21y401jhihog3tcrfsp4/