研究发现循环 Transformer 也会「过度思考」并给出修复

新论文 InfiLoop 指出，循环 Transformer 与推理 LLM 一样存在「过度思考」问题：理论上循环次数越多性能应越好，实践中性能反而常常下降，且答案收敛后循环仍在空耗算力。研究团队将这一现象命名为 latent overthinking（潜在过度思考），定位了其成因并给出修复方案，LightOn 团队也对该论文进行了转发推介。

2026-10-19 ~ 2026-10-19 · 2 条相关

• 新论文揭示循环模型也会"过度思考"：答案已定仍空耗算力 — jm_alexia · 2026-10-19
• Looped Transformer 越循环越差？团队定位「潜在过度思考」并给出修复 — KyeGomezB · 2026-10-19