Liquid AI提出“最终Token偏好优化”技术，有效缓解大模型生成内容的“厄运循环”现象

随着大语言模型（LLM）在长文本生成、代码编写及复杂推理任务中的广泛应用，模型在生成过程中陷入“厄运循环”的技术瓶颈日益凸显。所谓“厄运循环”，是指模型输出开始无休止地重复特定短语、逻辑断裂或陷入死循环导致无法正常终止的现象，这严重影响了用户体验和系统的可靠性。针对这一痛点，Liquid AI 发布了最新研究成果，提出了一种名为“最终Token偏好优化”（Final Token Preference Optimization，简称 FTPO）的创新对齐算法。

该技术的核心突破在于改变了传统强化学习（RLHF）的优化视角。传统方法通常关注整个生成序列的奖励信号，而 FTPO 将优化重点精准聚焦于生成序列的末端，即最终 Token 的分布。通过强化模型对高质量、非重复性结尾 Token 的偏好，该算法迫使模型在生成内容时更倾向于形成逻辑闭环和正确的停止信号，从而显著降低了因概率分布偏差导致的文本重复和死循环风险。实验结果表明，该方法在大幅提升输出文本连贯性和终止准确率的同时，并未损害模型的推理能力，为解决大模型稳定性问题提供了低成本、高效率的技术路径。

事件分析

💡 核心观点：FTPO技术直击大模型生成稳定性的核心痛点，通过优化末端Token分布解决“死循环”难题，是提升AI智能体可靠性与落地能力的关键突破。