跳转至

都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了

Ch01.744 都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了

📊 Level ⭐⭐ | 8.3KB | entities/都在卷让大模型多循环几遍这个7b模型loopcoder-v2说多循环-1-次就够了.md

都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了

source: wechat source_url: https://mp.weixin.qq.com/s/L_Bmxw44h4PFCQTO68lrpg

ingested: 2026-07-01 feed_name: 机器之心 wechat_mp_fakeid: MP_WXS_3073282833

source_published: 2026-06-30

都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了

当所有人都在比谁「想得更久、算得更多」——推理模型动辄输出成千上万个思考 token，循环式架构恨不得在内部反复迭代十遍八遍——一项新研究反手泼了盆冷水： 一个 7B 的小模型，只需要在正常计算之外「多循环这一次」（总共 2 次），就能在号称最难的真实代码修复基准 SWE-bench Verified 上从 43.0 分飙到 64.4 分；而继续往上加循环，不仅不涨，反而一路跳水。

论文标题起得很干脆——《Only Loop Once》，只循环一次。背后是来自 北京航空航天大学、IQuest Research、澜舟

核心要点

本文为微信公众号文章，由 WeChat backfill 收录。

详细信息

source: wechat source_url: https://mp.weixin.qq.com/s/L_Bmxw44h4PFCQTO68lrpg

ingested: 2026-07-01

feed_name: 机器之心 wechat_mp_fakeid: MP_WXS_3073282833

source_published: 2026-06-30

都在卷「让大模型多循环几遍」，这个7B模型LoopCoder v2说：多循环 1 次就够了

当所有人都在比谁「想得更久、算得更多」——推理模型动辄输出成千上万个思考 token，循环式架构恨不得在内部反复迭代十遍八遍——一项新研究反手泼了盆冷水： 一个 7B 的小模型，只需要在正常计算之外「多循环这一次」（总共 2 次），就能在号称最难的真实代码修复基准 SWE-bench Verified 上从 43.0 分飙到 64.4 分；而继续往上加循环，不仅不涨，反而一路跳水。

论文标题起得很干脆——《Only Loop Once》，只循环一次。背后是来自 北京航空航天大学、IQuest Research、澜舟科技和中国人民大学 的联合团队。

  • ** 论文标题： ** LoopCoder-v2：Only Loop Once for Efficient Test-Time Computation Scaling

  • 论文地址： https://arxiv.org/pdf/2606.18023

  • 研究团队：北京航空航天大学 · IQuest Research · 澜舟科技 · 中国人民大学

  • ** 模型主页（HuggingFace）： ** huggingface.co/Multilingual-Multimodal-NLP/LoopCoder-V2

▲ 核心结论一图流：多循环带来「精修收益」，也带来几乎恒定的「位置错配成本」；收益在第 2 次循环达到峰值后迅速衰减，于是「只循环一次（共 2 次）」成为最优解。

一、「循环」，当下最热的卷法

自从 o1、Claude 这一代推理模型把「想得越久越强」写进行业共识， 「测试时计算」（test-time compute）就成了过去一年最热的方向： 与其把模型练得更大，不如让它在推理时多花点算力，把答案反复打磨。要理解这项研究，先得知道大家具体在卷什么。

过去想让模型更强，常规操作是把网络堆得更深、参数更多。而「循环式」大模型（Looped / Recurrent-depth LLM）换了个思路：不堆新层，而是让 同一套参数，在「脑子里」把内部表征反复打磨好几遍。 打个比方，这就像同一个人把一道题在心里默默重算几遍，而不是请来更多人、或者把草稿纸写满——它是一种省参数的「测试时计算」（test-time compute）。

听起来很美，但有个硬伤： 顺序循环太贵。 每多循环一次，就要多走一遍计算，延迟和 KV-cache 显存都跟着循环次数线性上涨。想多循环，算力扛不住。

并行循环 Transformer（Parallel Loop Transformer，PLT）就是为了解决这个问题。它用两招把成本摁了下去：一是 CLP（跨循环位置偏移），打断循环之间的串行依赖，让多次循环可以并行计算；二是 G-SWA（共享 KV 的门控滑窗注意力），让显存几乎不随循环次数增长。成本被压平之后， 「循环几次」第一次变成了一个可以自由拧的旋钮。

二、旋钮拧大 ≠ 更强：

第 2 遍封顶，第 3 遍跳水

问题来了：这个旋钮，到底拧到几合适？

团队干脆从零训了一整个家族：7B 稠密模型， 18T token、文本与代码 1:1、覆盖 100 多种编程语言，前后烧掉约 100 万 GPU 小时。 唯一的变量，就是循环次数。结果非常反直觉：

** 模型（均为 7B） ** | ** SWE-bench Verified ** | ** SWE-bench 多语言 ** | ** LiveCode Bench ** | ** 平均分 **

---|---|---|---|--- 不循环 Baseline（1 次） | 43.0 | 14.0 | 27.4 | 38.0

** LoopCoder-v2（2 次）★ ** | ** 64.4 ** | ** 31.0 ** | ** 35.4 ** | ** 46.5 **

LoopCoder-v2（3 次） | 27.6 | 11.0 | 28.6 | 36.9

LoopCoder-v2（4 次） |

原文

→ 原文存档

关联