Liquid AI : Antidoom bouscule les modèles de raisonnement

Liquid AI a lancé Antidoom, une méthode open-source pour s’attaquer aux boucles infinies dans les modèles de raisonnement complexes. Cette nouvelle approche cible spécifiquement les boucles dites “doom loops”, où une séquence se répète jusqu’à saturation de la fenêtre de contexte. Antidoom identifie le jeton à l’origine de cette boucle et ne réentraîne que cette position à l’aide de la méthode Final Token Preference Optimization (FTPO).

Avant Antidoom, les boucles infinies constituaient un défi majeur pour la fluidité et l’efficacité des modélisations. En ciblant le jeton problématique, Liquid AI optimise uniquement ce point précis, entraînant un gain de performance significatif. Cette méthode ne retravaille pas tout l’ensemble mais se concentre sur la résolution du défaut à l’origine.

Les résultats sont probants : sur le modèle LFM2.5-2.6B, le taux de boucles est passé de 10.2% à 1.4%, tandis que pour le modèle Qwen3.5-4B, il a chuté de 22.9% à 1%. Liquid AI a choisi de rendre le processus de génération, de détection et l’entraîneur FTPO disponibles en open source, facilitant ainsi l’accès et la collaboration pour d’autres développeurs.

Liquid AI anticipe que la méthode FTPO, en réduisant efficacement les boucles, améliorera la pertinence et la robustesse des modèles de raisonnement. L’accès open source permet également aux chercheurs et développeurs d’intégrer et d’explorer cette optimisation dans d’autres applications.

Lire l’article complet sur MarkTechPost.