Liquid AI 开源 Antidoom 方法，用 FTPO 大幅降低推理模型的 Doom Loop 发生率
Decision Brief
What changedLiquid AI 开源了 Antidoom 方法，透过 Final Token Preference Optimization (FTPO) 将 LFM2.5-2.6B 的 Doom Loop 率从 10.2% 降至 1.4%，Qwen3.5-4B 从 22.9% 降至 1%。
Why it matters对使用开源推理模型的开发者来说，Antidoom 能显著减少因死循环导致的上下文窗口耗尽问题，提升长任务的稳定性和完成率。
Who should careAll AI builders
Affected stackQwen
Source confidenceMedium · Reliable media or first-hand reporting
Liquid AI 正式开源 Antidoom，这是一种专门针对推理模型中 Doom Loop（死循环）问题的优化方法。Doom Loop 会让模型重复某一段内容，直到上下文窗口用尽为止。Antidoom 会定位触发循环的起始 token，并只对该位置使用 Final Token Preference Optimization (FTPO) 进行重新训练，从而中断循环。官方数据显示，在 LFM2.5-2.6B 模型中，Doom Loop 率从 10.2% 下降到 1.4%；在 Qwen3.5-4B 模型中，则从 22.9% 骤降至 1%。整个 Antidoom 套件（包含生成、侦测与 FTPO 训练器）均已开源。 对正在开发或微调推理模型（如长链推理、多步骤 Agent）的团队而言，Antidoom 直接解决了推理过程中模型陷入重复循环的痛点。过去这类问题往往需要靠手动跳出逻辑或人工介入，如今透过 FTPO 的局部重新训练，能以极低代价大幅提升模型稳定性。尤其对于部署在资源受限环境（如边缘装置）的开发者，减少上下文窗口浪费意味着更快完成任务且更少报错。
Summary basis: official / RSS sourceCompiled from the source scope noted above; the original remains authoritative.
Sources
- MarkTechPost
Fast research-paper and ML tooling summaries, useful for infra and agent updates.
- MarkTechPost
留言
登入后即可留言，和其他 builder 交换实测心得。
还没有留言，抢头香。