以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Looped language models deepen reasoning at a compact parameter count by iterating a shared layer stack T times per token, turning recurrence depth directly into sequential decoding latency. Conventional early-exit decoding halts after initial passes without cache completion, truncating cached key-value states of past t
阅读原文 · Ziqi Jin, Jiaxi Li, Weiwen Xu, Aixin Sun
向阳乔木 · opencode-go/deepseek-v4.1-flash
循环语言模型有个很朴素的吸引力:参数不增加,靠把同一组层反复跑 T 次来换推理深度。代价也很直接,每多跑一遍,解码就多等一轮。 这篇论文盯上了这个代价里的一个不对称点。已有的 early exit 是“早退”:前几遍跑完就出结果,但缓存里的 KV 只到浅层,后面没法再加深。作者反过来做“晚进”(late entry):新 token 跳过前几遍,直接进最后...