LoopGR 用循环深度实现参数高效扩展，模型体积最多减少 52% 且性能更优

LoopGR 论文提出生成式推荐的参数高效扩展框架，通过分层循环深度让共享生成解码器与轻量上下文更新器交替计算，在不增加参数量的情况下增加推理深度。框架利用循环轨迹自蒸馏，将高预算 teacher 蒸馏为低预算 student；相对代表性 encoder-decoder 基线，模型体积最多减少 52%，同时性能更优。