Tutorial & Tips

Liquid AI Open Source Antidoom: Metode Perbaikan Loop Tanpa Henti Model Penalaran Berbasis Optimasi Preferensi Token Akhir

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

Ringkasan AI

Liquid AI merilis sumber terbuka Antidoom, metode perbaikan tertarget berbasis Final Token Preference Optimization (FTPO) untuk mengurangi masalah doom loop (loop tanpa henti) pada model penalaran. Metode ini melokalisasi token pertama tempat loop dimulai dan melatih model memilih alternatif yang koheren tanpa mengubah distribusi keluaran secara keseluruhan. Pada LFM2.5-2.6B, tingkat loop pada tugas matematika sulit dan pemrograman turun dari 10,2% menjadi 1,4%; pada Qwen3.5-4B turun dari 22,9% menjadi 1%. Seluruh alur dapat diselesaikan dalam beberapa jam, dan seluruh kode serta dataset (LiquidAI/antidoom-mix-v1.0) telah dirilis sebagai sumber terbuka.

Poin utama

  • Liquid AI merilis sumber terbuka Antidoom,metode perbaikan tertarget berbasis Final Token…
  • Metode ini melokalisasi token pertama tempat loop dimulai dan melatih model memilih alternatif…
  • Pada LFM2.
  • 6B,tingkat loop pada tugas matematika sulit dan pemrograman turun dari 10,2% menjadi 1,4%
  • pada Qwen3.

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
MarkTechPost(RSS)
Kategori
Tutorial & Tips
Skor AI
70
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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。

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: Liquid AI Open Source Antidoom: Metode Perbaikan Loop Tanpa Henti Model Penalaran Berbasis Optimasi Preferensi Token Akhir. 8 Juli 2026. https://new.nat6.net/id/news/cmraw21y401jhihog3tcrfsp4/

Lihat semua →