研究揭示 DRY 采样器重复循环盲区，提出 DRY-C
原文标题：When Do Repetition Loops Lock? Truncation Sampling, Bounded Penalties, and a Blind Spot in DRY
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。
论文分析语言模型重复循环何时能被打破，指出 top-p 阈值超过 0.5 时会锁死位置，并发现广泛部署的 DRY 采样器存在盲区：序列断点使惩罚上限受限。在 11 个开源模型上，g=6 的锁定单元有 66% 在 DRY 下仍锁死。作者提出 DRY-C，在 720 次结构化输出生成中无一循环到长度上限。
- 问题
- 语言模型重复循环何时能逃出，以及 DRY 采样器的盲区。
- 方法
- 用单次前向精确计算循环存活率，提出随重复次数指数增长的惩罚项 DRY-C。
- 结果
- 11 个开源模型中 g=6 的锁定单元有 66% 在 DRY 下仍锁死；720 次结构化输出生成无一循环到长度上限。
- 影响
- 直接替换现有 DRY 采样器即可减少结构化输出卡死，降低线上生成超时风险。
深读 · 结论先行AI 生成展开看要点与影响 ↓
研究指出 DRY 采样器存在重复循环盲区，11 个开源模型中 g=6 的锁定单元有 66% 仍锁死，提出 DRY-C。
- •分析从「如何逃出」入手：给定片段已重复 n 次，何时仍可能逃逸；循环中上下文确定，一次前向即可精确计算存活
- •top-p 阈值超过 0.5 时，续接概率达到阈值的位置会被精确锁死
- •DRY 的序列断点把惩罚上限压到 λb^{g-1-a}，最长无断点连续段为 g 的循环受此限制
- •11 个开源模型上，g=6 的锁定单元 66% 在 DRY 下仍锁死，g=8 仅 1%；llama.cpp 自由生成中存活 DRY 的 109 个循环全部 g≤7
- •DRY-C 增加随逐字重复次数指数增长的项，720 次结构化输出生成无一循环到长度上限，任务完成度接近 DRY
为什么重要：DRY 是广泛部署的采样器，其盲区有明确的结构性成因和量化比例，做结构化输出与长文本生成的工程团队可直接据此换用或修补。
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
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。