チュートリアル

Liquid AI、Antidoomをオープンソース化:最終トークン選好最適化による推論モデルの無限ループ修正手法

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

AI 要約

Liquid AIは、推論モデルにおけるdoom loop(無限ループ)問題を低減するための的を絞った修正手法Antidoomをオープンソース化した。Final Token Preference Optimization(FTPO)に基づく。この手法はループが始まる最初のトークンを特定し、全体の出力分布を変えずにモデルが一貫した代替候補を選ぶようトレーニングする。LFM2.5-2.6Bでは、難関数学・プログラミングタスクのループ率が10.2%から1.4%に低下し、Qwen3.5-4Bでは22.9%から1%に低下した。一連のプロセスは数時間で完了でき、コードとデータセット(LiquidAI/antidoom-mix-v1.0)はすべて公開されている。

要点

  • Liquid AIは、推論モデルにおけるdoom loop(無限ループ)問題を低減するための的を絞った修正手法Antidoomをオープンソース化した。
  • Final Token Preference Optimization(FTPO)に基づく。
  • この手法はループが始まる最初のトークンを特定し、全体の出力分布を変えずにモデルが一貫した代替候補を選ぶようトレーニングする。
  • 6Bでは、難関数学・プログラミングタスクのループ率が10.
  • 4%に低下し、Qwen3.

概要

公開日時
更新日時
出典
MarkTechPost(RSS)
カテゴリ
チュートリアル
AI スコア
70
原文を読む 情報源で全文を読む
おすすめの理由

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。

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:Liquid AI、Antidoomをオープンソース化:最終トークン選好最適化による推論モデルの無限ループ修正手法。2026年7月8日。https://new.nat6.net/ja/news/cmraw21y401jhihog3tcrfsp4/

すべて見る →