LEV：用循环决策模型实现快思考与深思考

LEV 是一种决策模型，通过循环重跑网络层而非生成 token 来加深思考，基于以循环方式预训练的语言模型，每次循环后读取选项并联合训练所有步骤，使同一 checkpoint 可在任意深度作答。