标签
一篇Substack文章解释了LLM中的doom loop问题——模型会无休止地重复token，并介绍了Liquid AI提出的Final Token Preference Optimization（FTPO）方法，用于在微调过程中检测并修复此类循环。
这篇文章解释了推理模型中的“末日循环”，即模型重复诸如“Wait”之类的令牌，直到上下文填满，并介绍了FTPO（最终令牌偏好优化）作为训练时的修复方法。相关的Antidoom工具显著降低了末日循环率（例如，在Qwen3.5-4B上从22.9%降至1%）。