Liquid AI 提出 Antidoom 训练，将模型死循环率从 10% 降至 1%
helloiamleonie · x · 2026-09-25
作者科普了 RLVR(可验证奖励的强化学习)：从模型回答中抽取最终答案与真值比对来打分。但这种方式奖励信号稀疏，长多轮生成时效率低。
为解决此问题，其团队提出 antidoom training：检测 doom loop(死循环)，找到触发死循环的第一个 token，对其 reject 并降采样，同时对替代 token 升采样。在 LFM2.5-2.6B 上，该技术把死循环率从约 10% 降到 1%。
所属事件:Liquid AI 发布 LFM2.5-2.6B 并公开端侧 Agent 后训练配方(11 条相关)→
「模型」频道最新
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- 微软演示 Lazarus 后门：改不到 10 个神经元即可操控 AI agent — DimitrisPapail · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11