Lehigh University等提出循环决策模型Lev：一份权重支持多深度自适应推理

Lehigh University 与 UBC 等机构提出循环决策模型 Lev，无需生成思维链 token 即可在隐藏状态中动态扩展计算深度，实现按题目难度自适应分配算力。该模型基于预训练循环底座联合训练各圈读出并共享权重，配合在无标签数据上校准的早退停止器，测试中减少了 15% 至 24% 的环路计算且准确率损失不到 1 个百分点。目前相关论文、代码及模型均已开源发布。