Liquid AI 开源 Antidoom：消除推理模型的「死循环」

Liquid AI 近日通过官方 X 账号发布了一项名为 Antidoom 的开源方法，专门用于消除推理模型中常见的「doom loop」（死循环）失效模式。该方法以开源形式释出，开发者可直接用于自有或第三方推理模型的推理阶段。

核心思路与发布形式

在推理模型（reasoning model）的实际使用中，模型有时会在某一步推理上反复打转，无法推进到最终结论，这种现象被称为 doom loop。Liquid AI 将其视为一类系统性失效模式，并以独立方法的形式给出修复手段，而非绑定在某一个模型权重中。这意味着 Antidoom 既可以应用于 Liquid AI 自家的模型，也可以被社区复用到其他开源推理模型上。

公布的关键数据

根据官方公布的数据，Antidoom 在两个模型上都显著降低了 doom loop 的发生率，同时其他评测分数也未出现回退：

• 早期 LFM2.5-2.6B checkpoint：doom loop 率从 10.2% 降至 1.4%
• Qwen3.5-4B（greedy sampling）：doom loop 率从 22.9% 降至 1%

从绝对值看，Qwen3.5-4B 的改善幅度更大，说明在原本更易陷入死循环的模型上，Antidoom 的收益更为显著。同时官方表示在 doom loop 率下降的同时，整体评估分数仍保持稳定或上升，没有出现「修了死循环、丢了能力」的权衡。

行业背景与待补充信息

社区在转发时提到，Liquid AI 似乎在为即将推出的 LFM2.5-2.6B 做准备，这意味着 Antidoom 可能成为该模型推理能力的一部分卖点。目前公开信息中尚缺少以下细节：

• 具体的算法原理与论文/技术报告链接
• 开源仓库地址与许可证
• 完整的评测基准及与基线方法的横向对比

对于关注推理模型稳定性的开发者和研究者来说，Antidoom 提供了一个轻量级的开源工具选项；不过其方法论细节尚需等待 Liquid AI 进一步公开。