latent-refinement

提出了ReLAR，一种强化引导的潜在细化框架，在解码前迭代更新LLM中的隐藏表示，与思维链方法相比，提高了推理可靠性和效率。

LoopUS 是一种后训练框架，通过隐层精炼和自适应早退机制，将预训练大语言模型转换为循环架构，从而提升推理性能。它解决了现有循环计算方法中存在的计算成本高和原有能力受损的问题。