决策模型不再只跑一遍：同一批层循环八次，1.4B模型逼近三倍参数的单次模型
类型化决策模型过去只做一次前向传播就给出选项概率，算力固定，遇到需要多步推理的判定就吃力。SanSi把预训练时就带循环的语言模型改造成决策模型，每一轮循环都读出选项概率并用恰当评分规则训练，因此一个模型可服务从一轮到八轮的所有算力预算。在来自59个来源的10,027条测试决策上，它达到72.0%准确率，比同形状、同配方的非循环模型高13.5个百分点，比参数三倍于它的单次模型低1.8个百分点，代价是单次传播7.7倍的GPU时间。