Lev：用循环深度实现按需计算的决策模型

2026年11月2日，机器之心报道，Lehigh University 等机构的研究者提出决策模型 Lev，用循环而非生成思维链来加深模型的计算，同一份权重可在任意深度作答。报道称，在 JevBench 的 231 道公开题上，同一个 Lev-2.6B checkpoint 从一圈的 63.2% 提升到四圈的 76.2%，增加 13.0 个百分点。研究团队表示，论文、代码、三个模型和三个数据集均已公开；数据集是按各来源再分发条款筛选后的子集，无法托管的来源附有重建说明。延迟数据是在单张 H200、bf16、一次一个请求的条件下测得的，未使用融合算子、图捕获或状态缓存，所有系统一视同仁。论文研究的循环底座规模在 1.4B 到 3B 之间，这是目前能公开获得的规模，更大的循环模型能把深度曲线推多远还有待验证。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。