Mga Tutorial at Tip

Open source ng Liquid AI ang Antidoom: paraan sa pag-aayos ng doom loop ng reasoning model batay sa final token preference optimization

Orihinal na pamagat:Liquid AI Open-Sources Antidoom: A Final Token Preference Optimization (FTPO) Method that Reduces Doom Loops in Reasoning Models

AI summary

In-open source ng Liquid AI ang Antidoom, isang targeted fix na batay sa Final Token Preference Optimization (FTPO), para bawasan ang doom loop na problema sa mga reasoning model. Tinutukoy ng paraan ang unang token kung saan nagsisimula ang loop, at sinasanay ang modelo na pumili ng coherent na alternatibo nang hindi binabago ang kabuuang output distribution. Sa LFM2.5-2.6B, bumaba ang loop rate sa hard math at programming task mula 10.2% hanggang 1.4%; sa Qwen3.5-4B, mula 22.9% hanggang 1%. Maaaring tapusin ang buong proseso sa loob ng ilang oras, at ang lahat ng code at dataset (LiquidAI/antidoom-mix-v1.0) ay open source na.

Mahahalagang impormasyon

  • In-open source ng Liquid AI ang Antidoom,isang targeted fix na batay sa Final Token Preference…
  • Tinutukoy ng paraan ang unang token kung saan nagsisimula ang loop,at sinasanay ang modelo na…
  • Sa LFM2.
  • 6B,bumaba ang loop rate sa hard math at programming task mula 10.
  • 2% hanggang 1.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
MarkTechPost(RSS)
Kategorya
Mga Tutorial at Tip
AI na marka
70
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

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。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Open source ng Liquid AI ang Antidoom: paraan sa pag-aayos ng doom loop ng reasoning model batay sa final token preference optimization. 8 Hulyo 2026. https://new.nat6.net/fil/news/cmraw21y401jhihog3tcrfsp4/

Tingnan lahat →