LEV：循环决策模型实现按需深度推理
原文标题：LEV: Thinking Fast and Deep with Looped Decision Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 LEV，一种通过循环重跑网络层而非生成 token 来加深推理的决策模型，单次前向即可给出选项概率，同一权重可在任意深度作答。2.6B 的 LEV 在 JevBench 上从深度一的 63.2% 提升至深度四的 76.2%，按需深度可节省 15% 至 24% 计算量，且 1.4B 与 3B 模型在 50ms 延迟内比稠密模型准确率高 5.4 至 8.8 个百分点。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LEV用循环重跑网络层替代生成token，2.6B模型在JevBench从深度一63.2%升至深度四76.2%。
- •决策模型单次前向即输出各选项概率，不生成文本，但训练时深度固定
- •LEV循环重跑网络层，每步读取选项并联合训练所有步骤，同一权重可在任意深度作答
- •2.6B模型在JevBench上从深度一63.2%提升至深度四76.2%，提升主要来自难题
- •按需深度由小型stopper按阈值设定，节省15%至24%计算量，准确率损失不到一个点
- •锁定测试集上，1.4B与3B模型在50ms延迟内比同延迟稠密模型及级联高5.4至8.8个百分点
为什么重要：提供了一条不靠生成token来加深推理的路径，在低延迟场景下比稠密模型和级联更有优势，对端侧或实时决策应用有直接意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。