Liquid AI が推論モデルの無限ループを防止する新手法「Antidoom」をオープンソース化

記事の3ポイント

1. 1

   Antidoom の基本原理

   推論モデルが無限ループに陥る直前の「最初のトークン」のみを対象に再学習を行う手法で、確率分布を複数の整合性のある代替案へ広げる Final Token Preference Optimization (FTPO) を採用する。

2. 2

   実証された効果

   LFM2.5-2.6B モデルにおいて、困難な数学・コーディング問題でのループ発生率が 10.2% から 1.4% に低下し、Qwen3.5-4B でも同様に大幅な改善が確認された。

3. 3

   ドゥームループの成因

   過学習による特定トークンの選好、文脈による確率の自己強化、および低温度での貪欲サンプリングという 3 つのメカニズムが組み合わさることで発生すると分析している。