SanSi：面向系统 1.5 思维的循环类型决策模型

SanSi 将预训练循环语言模型转化为类型决策模型，通过多轮递归循环修正隐状态实现无需生成 token 的“系统 1.5”思维，可自适应支持 1 到 8 次循环计算预算。在 59 个来源的 10,027 项测试决策中，SanSi 取得 72.0% 准确率，较同规格非循环模型提升 13.5 个百分点。作为强化学习策略优化的裁判时，它在无标准答案场景下使生成器的 F1 提升 7.7 个百分点。