11月2日消息，近日，来自美国宾州里海大学 Lehigh University 等机构的研究者提出 Lev，一个用循环而不是 token 来加深思考的决策模型。Lev 在每一圈之后都读出一次选项概率，各圈联合训练，所以同一份权重可以在任意深度作答；一个轻量的停止器再按题目决定算几圈。

作者把这种计算方式称为 System 1.5 ：保留 System 1 直接给出决定的接口，又能像 System 2 一样在难题上多花计算。

Lev 逐圈作答（按项目主页记录的逐圈读数重绘，回放实验数据，不是实时推理）：例 1 第 1 圈就选中正确答案 B，停止器判定可以停下；例 2 第 1 圈选 4，到第 4 圈改选正确答案 6。

从任务形态看，Lev 可以视为 OpenAI Decisions 式文本决策的一个独立开源实现，并多了一个「深度旋钮」。这里的「式」只指任务形态：给定输入和候选项，输出每个选项的概率。Lev 基于公开的 Ouro、Nanbeige 底座和 Kev 实现，不复刻 OpenAI 的模型权重、内部架构或 API，也没有与其产品做性能对测。

在公开 JevBench 的 231 道题上，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，权重没换，变的只是循环深度。

为什么决策模型需要「按需加深」？

作者先拿两个公开的决策模型 Kev-0.8B 和 Kev-4B 做了一次逐题对比。两者用同样的数据源训练，在 JevBench 的 231 道公开题上，Kev-4B 比 Kev-0.8B 多答对 28 道，而这 28 道全部来自标准题和难题：简单题两个模型本来就全答对了。

更关键的是，两个模型只在 42 道题上结果不同，可 Kev-4B 在每一道题上都多花了参数和计算。如果用 Kev-0.8B 的置信度挑出它最没把握的一半题目交给 Kev-4B，准确率就几乎追平 Kev-4B 全量作答。

换句话说，额外计算只在少数题上有用，而一次便宜的初读就能找到这些题。

Lev 怎么做：每一圈都能读出答案

Lev 沿用 Kev 的决策模型接口。一个请求包含一段状态（例如一段对话或一份文档）和若干问题，每个问题列出自己的候选项。所有内容打包成一条序列，用块因果掩码让每个问题只看到状态和自己，这样状态只编码一次，每个问题又像单独提问一样作答。

不同之处在于底座：Lev 换成了原生循环语言模型 Ouro 或 Nanbeige4.2。同一组解码层重复运行 R 次，每一圈之后，同一个 pointer head 读取各选项结束符和 位置的隐藏状态，输出一次选项概率。

训练时，pointer head 和 LoRA 适配器在各圈之间共享，损失对所有圈取平均，所以每一个深度都被训练成一个可用的决策模型，而不只是最后一圈。

这带来两个直接好处。第一，第 t 圈只依赖前面的圈，用 k 圈服务时只算前 k 圈，成本约为全深度的 k/R。第二，「再算一圈」就是从上一圈的隐藏状态继续往下算，请求不需要重新读一遍，这正是级联做不到的。

此外，浅层和深层读出的校准程度不同，作者为每个深度单独拟合一个温度。温度缩放不改变预测选项，所以不影响准确率。