标签
本文系统研究了循环语言模型（LoopLMs）中递归机制在何时能发挥作用，发现额外的递归可以提升超出训练时域范围的推理能力，但会削弱知识保持效果，并提出一种结合时间步条件化的通道级历史状态注入方案，作为在可变推理预算下更稳健的设计策略。
WaveFront Decoding 引入了一个无需训练的自推测解码框架，针对循环语言模型，通过并发批量处理草拟和验证来减少延迟，在 Huginn-3.5B 上实现了高达 4.81 倍的加速。
本文介绍了MixerLoop，一种通过选择性循环语言模型中的混合器组件同时仅应用一次前馈网络来分配循环计算的方法，以在降低计算成本的同时提升性能。
本文探讨了循环语言模型如何利用迭代潜在计算提升代理系统中的组合式工具调用，展示了对多步骤API交互的益处。
Looped语言模型通过利用循环计算来增强组合工具调用，在多步任务中提高准确性，同时自适应推理优化了性能和计算成本之间的平衡。研究表明，这些模型对于可靠的智能体系统很有前景。
本文研究了一个冻结的循环变换器能否读取自身计算质量（预答案预测达到AUROC 0.797）以及外部干预能否改善结果，发现所有测试的冻结干预均未产生验证的能力增益，这一特性称为操作原型自省。