LEV：通过循环决策模型兼顾快速与深度思考

研究团队提出决策模型 LEV，通过循环运行网络层而非生成 token 进行更深度的思考，实现单个检查点在任意深度作答。在 JevBench 上，2.6B LEV 的准确率从深度 1 的 63.2% 提升至深度 4 的 76.2%，配合按需深度机制可节省 15% 至 24% 的计算量。在 50 ms 以下同延迟测试中，1.4B 和 3B 模型的准确率比稠密模型高出 5.4 至 8.8 个百分点。