热点事件持续更新
LEV：循环决策模型按需加深推理深度
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv cs.AI 刊出关于 LEV 的研究。LEV 是一种决策模型，它加深思考的方式不是生成更多 token，而是循环重跑模型层，因此同一个 checkpoint 可在任意深度作答。研究在三个循环骨干上观察到，准确率随深度上升，且提升主要集中在难题上。其中 2.6B 的 LEV 在 JevBench 上从 depth one 的 63.2% 升至 depth four 的 76.2%。研究还提出按问题设置按需深度，可节省 15%–24% 计算量，精度损失不到 1 个百分点。目前该研究仅有这一篇报道，尚无后续进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
arXiv 刊出 LEV：同一 checkpoint 可在任意深度作答，按需深度省 15%–24% 计算量。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv cs.AILEV：用循环决策模型实现快速与深度思考
LEV 是一个通过循环重跑模型层、而非生成 token 来加深思考的决策模型，同一 checkpoint 可在任意深度作答。在三个循环骨干上准确率随深度上升且主要集中在难题，2.6B 的 LEV 在 JevBench 上从 depth one 的 63.2% 升至 depth four 的 76.2%。按问题设置的按需深度可节省 15%–24% 计算量，精度损失不到 1 个百分点。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。