Tutorial dan petua

Liquid AI sumber terbuka Antidoom: kaedah pembaikan gelung mati model penaakulan berdasarkan pengoptimuman keutamaan token akhir

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

Ringkasan AI

Liquid AI telah menyumberterbuka Antidoom, kaedah pembaikan bersasar berdasarkan Final Token Preference Optimization (FTPO) untuk mengurangkan masalah doom loop (gelung mati) dalam model penaakulan. Kaedah ini mengenal pasti token pertama permulaan gelung dan melatih model memilih alternatif yang koheren tanpa mengubah taburan output keseluruhan. Pada LFM2.5-2.6B, kadar gelung dalam tugas matematik dan pengaturcaraan sukar menurun daripada 10.2% kepada 1.4%; pada Qwen3.5-4B daripada 22.9% kepada 1%. Keseluruhan proses boleh diselesaikan dalam beberapa jam, dan semua kod serta set data (LiquidAI/antidoom-mix-v1.0) telah disumberterbuka.

Maklumat penting

  • Liquid AI telah menyumberterbuka Antidoom,kaedah pembaikan bersasar berdasarkan Final Token…
  • Kaedah ini mengenal pasti token pertama permulaan gelung dan melatih model memilih alternatif yang…
  • Pada LFM2.
  • 6B,kadar gelung dalam tugas matematik dan pengaturcaraan sukar menurun daripada 10.
  • 2% kepada 1.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
MarkTechPost(RSS)
Kategori
Tutorial dan petua
Skor AI
70
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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 tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Liquid AI sumber terbuka Antidoom: kaedah pembaikan gelung mati model penaakulan berdasarkan pengoptimuman keutamaan token akhir. 8 Julai 2026. https://new.nat6.net/ms/news/cmraw21y401jhihog3tcrfsp4/

Lihat Semua →