Liquid AI 开源 Antidoom:基于最终 Token 偏好优化的推理模型死循环修复方法
原文标题:Liquid AI Open-Sources Antidoom: A Final Token Preference Optimization (FTPO) Method that Reduces Doom Loops in Reasoning Models
AI 摘要
Liquid AI 开源了 Antidoom,一种基于 Final Token Preference Optimization (FTPO) 的针对性修复方法,用于减少推理模型中的 doom loop(死循环)问题。该方法定位循环开始的第一个 token,训练模型选择连贯替代项,而不改变整体输出分布。在 LFM2.5-2.6B 上,硬数学和编程任务中的循环率从 10.2% 降至 1.4%;Qwen3.5-4B 上从 22.9% 降至 1%。整套流程可在数小时内完成,全部代码和数据集(LiquidAI/antidoom-mix-v1.0)已开源。
关键信息
- Liquid AI 开源了 Antidoom,一种基于 Final Token Preference Optimization (FTPO) 的针对性修复方法,用于减少推理模型中的 doom loo…
- 该方法定位循环开始的第一个 token,训练模型选择连贯替代项,而不改变整体输出分布。
- 6B 上,硬数学和编程任务中的循环率从 10.
- 5-4B 上从 22.
- 整套流程可在数小时内完成,全部代码和数据集(LiquidAI/antidoom-mix-v1.
速览
- 发布时间
- 更新时间
- 分类
- 教程与技巧
- AI 评分
- 70
推荐理由
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。
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:Liquid AI 开源 Antidoom:基于最终 Token 偏好优化的推理模型死循环修复方法。2026年7月8日。https://new.nat6.net/news/cmraw21y401jhihog3tcrfsp4/