研究博客：loop 模型让 contrastive decoding 更接近序列级引导，成为 LLM 外挂

研究博客解释 loop 模型为何能让 guidance/contrastive decoding 首次稳定生效，并成为 LLM 的推理外挂。Huginn、Ouro 等模型反复应用同一层块，使不同循环深度的预测更相似，从而放大早期与最终 logits 之间的 token 分数变化，在相同参数量下取得更显著的 contrastive decoding 式增益。