Réduire les boucles de répétition avec la Final Token Preference Optimization

Liquid AI présente la Final Token Preference Optimization (FTPO), une technique visant à réduire les « doom loops » — phénomène par lequel un modèle se retrouve piégé dans des séquences répétitives indéfinies. L'approche cible spécifiquement le token final généré pour guider le modèle hors de ces états pathologiques. La méthode s'inscrit dans les travaux d'alignement comportemental des LLM par apprentissage par renforcement à partir de préférences.