LoopRPT：面向循环语言模型的强化预训练框架

Guo Tang 等作者提出 LoopRPT，一个面向循环语言模型（LoopLMs）的强化预训练框架。该框架将下一 token 预测重构为下一 token 推理任务，通过 EMA teacher 参考和带噪 latent rollout，把强化信号直接施加到隐式推理步骤上。 上述内容来自作者在论文中的自述，为方法层面的提出，报道未给出实验效果或对比结论。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。