决策模型不再一次定答案：同一套层循环八次，1.4B模型逼近三倍参数的单次模型

类型化决策模型可以靠循环同一套层来换取准确率，而不必增加参数或生成文本。调用方声明选项，模型只返回每个选项的概率；把同一套层递归地作用在自己的输出上，模型在给出答案前多改几次隐藏状态。 此前这类模型一次前向就定答案，算力对每道题固定；要处理需要多步依赖的决策，只能换更大的模型或改成生成式推理，后者会放弃类型化契约并增加延迟。 在10,027道来自59个来源的测试决策上，循环版达到72.0%，比同形状、同配方、同数据的非循环模型高13.5个百分点，比同尺寸的更新非循环模型高5.3个百分点，比参数三倍于它的单次模型低1.8个百分点。

每个循环都被读出并单独训练，因此一个模型能服务从一次到八次的所有算力预算。 只训练最后一个循环时，早期循环会塌掉，第一次循环只有35.6%的准确率，而逐循环训练让第一次循环就达到58.4%。 训练用交叉熵与Brier分数之和，读出端只训练LoRA适配器和每个循环的小读出头，共61M参数，主干保持冻结；在1.4B主干上训练八次循环，读出在第三次循环时已拿到从第一次到第八次全部增益的88%。

下一步可以尝试为每道题选择循环次数：有11.7%的题目在某个循环上是对的、在第八次循环上却是错的，这给任何循环选择规则设了上界。做自动决策的团队可以在接受、升级、路由这类调用上按算力预算读取不同循环，三次循环已给出大部分增益。

结论建立在Ouro这一族预训练就带循环的主干上，多数分析用1.4B模型，能否推广到其他和更大的循环主干仍是待答问题。循环用算力换准确率：八次循环约是Qwen3.5-4B的3.3倍GPU时间，四次约1.6倍。推理深度分析只基于两个程序生成的任务，验证器案例只用了一个数据集和一个生成器。测试套件是英文的，由既有数据集拼成，其题型配比是作者的选择，也无法排除某个主干在预训练时见过这些公开数据集。