Liquid AI 用 Final Token Preference Optimization 减少推理模型“doom loop”重复退化

Liquid AI 提出 Antidoom 方法，基于 Final Token Preference Optimization（FTPO）定位循环起始 token，训练模型在该位置偏好连贯替代词，从而减少推理中的重复退化。在 LFM2.5-2.6B 早期 checkpoint 上，困难数学与代码提示的重复循环率从 10.2% 降至 1.4%，评测分数同步提升。