标签
该论文提出了一套实用训练配方，将循环（递归）语言模型的训练数据量从 7.7 万亿 token 缩减至 3100 亿 token，其中 1.4B 的 LoopLM 在全部 12 个基准测试上均超越了参数量相当的稠密基线模型；论文还展示了如何以极少的额外参数，将 Qwen3-1.7B-Base 等预训练稠密模型转换为循环模型。