Liquid AI发布LFM2.5-1.2B-Thinking，900M内存实现端侧推理，或为非Transformer架构带来新突破。
原文标题：非Transformer架构的新突破，液态神经网络的推理小模型只用900M内存
原文作者：机器之心
冷月清谈：
怜星夜思：
2、Liquid AI 采用 Curriculum RL 训练框架，通过指令跟随等方式训练模型，大家觉得这种训练方式，对未来AI模型的发展有什么启示？
3、LFM2.5-1.2B-Thinking 模型在解决“doom looping”（死循环式生成）问题上的方法，对其他大模型有什么借鉴意义？大家认为还有哪些更有效的方法可以避免AI模型的死循环生成？
原文内容
谷歌 2017 年提出的 Transformer 架构事实上已经基本垄断了大模型。
不采用 Transformer 架构的大模型已经是少之又少，而采用非 Transformer 架构，还能与主流第一梯队大模型扳手腕的，更是凤毛麟角。
不知道大家是否还有印象，当年有一个尝试的初创公司，他们的研究人员受到秀丽隐杆线虫的神经结构启发，研发出一种新型的灵活神经网络，也被称为液态神经网络。
这是一个连续时间模型，由多个简单的动态系统组成，这些系统通过非线性门相互调节。这种网络的特点是时间常数可变，输出通过求解微分方程得到。它在稳定性、表达能力和时间序列预测方面都优于传统模型。
除此以外，液态神经网络的另一个特点是规模小得多，在 2024 年该架构就实现了 1.3B 大小的模型部署，但彼时尚未能与主流大模型一拼高下。
提出液态神经网络架构，并且做出 Liquid Foundation Models（LFM）大模型的，是由 MIT 计算机科学和人工智能实验室 CSAIL 孵化，成立于 2023 年 3 月的初创公司 Liquid AI。
就在刚刚，Liquid AI 又一次在 LFM 模型上放大招。他们正式发布并开源了 LFM2.5-1.2B-Thinking，一款可完全在端侧运行的推理模型。
Liquid AI 声称，该模型专门为简洁推理而训练；在生成最终答案前，会先生成内部思考轨迹；在端侧级别的低延迟条件下，实现系统化的问题求解；在工具使用、数学推理和指令遵循方面表现尤为出色。
该模型在手机上仅需 900 MB 内存 即可运行，同时在同等规模模型中实现了最快的推理速度和最佳的质量表现。两年前还必须依赖数据中心才能完成的能力，如今已经可以在你的口袋里离线运行。
-
Leap 开源链接：https://leap.liquid.ai/models
-
HuggingFace 链接：https://huggingface.co/LiquidAI/LFM2.5-1.2B-Thinking
优于 Transformer 的性能
与 Liquid AI 之前的模型 LFM2.5-1.2B-Instruct 相比，LFM2.5-1.2B-Thinking 在三项能力上实现了显著提升：
-
数学推理：在 MATH-500 上从 63 提升至 88
-
指令遵循：在 Multi-IF 上从 61 提升至 69
-
工具使用：在 BFCLv3 上从 49 提升至 57
在大多数推理基准测试中，LFM2.5-1.2B-Thinking 的表现已与甚至超过 Qwen3-1.7B，尽管其参数量少了 约 40%。
同时，该模型在质量与测试时计算效率之间取得了良好平衡：与 Qwen3-1.7B（思考模式） 相比，它在使用更少输出 token 的情况下，依然提供了更高的整体性能。
在推理阶段，这一性能差距进一步拉大：LFM2.5-1.2B-Thinking 在推理速度和内存效率两方面，都优于纯 Transformer 模型（如 Qwen3-1.7B）和混合架构模型（如 Granite-4.0-H-1B）。
Liquid AI 表示，LFM2.5-1.2B-Thinking 在 智能体式（agentic）任务和高推理强度任务（例如工具使用、数学、编程）中表现尤为突出。当模型需要规划一系列工具调用、验证中间结果并动态调整解题策略时，其生成的推理轨迹能够发挥实际价值。而在对话交互和创意写作等场景下，则更推荐使用 LFM2.5-1.2B-Instruct。
训练细节
要构建能力强的小型推理模型，关键在于：在知识容量有限的前提下，通过多步推理来弥补能力，同时又要保持答案简洁，以满足端侧低延迟部署的需求。
此前在 LFM-1B-Math 上的实验表明，在中期训练阶段引入推理轨迹，有助于模型内化「先推理，再作答」的模式。随后，基于合成推理轨迹进行的监督微调（SFT），进一步让模型能够稳定地产生思维链，而无需依赖特定格式的奖励设计。
然而，SFT 并不能解决推理模型中的一个常见问题：模型可能陷入重复文本模式，迟迟无法得出结论。这种行为通常被称为 「doom looping」（死循环式生成）。为此，Liquid AI 采用了一种相对直接的缓解方法：
-
在偏好对齐阶段，基于 SFT 模型生成了 5 个温度采样候选和 1 个贪婪解码候选；当不存在循环时，选择由 LLM 评判得分最高的作为正样本、得分最低的作为负样本；一旦出现循环生成，则无论评判得分如何，直接将出现循环的候选作为负样本。
-
在 RLVR 阶段，进一步在训练早期引入了基于 n-gram 的重复惩罚，以抑制循环生成行为。
通过这些策略，模型在保持推理能力的同时，显著降低了陷入无效循环的风险。
这一方法在一个具有代表性提示词的数据集上，将死循环生成的比例从 15.74%（中期训练阶段） 显著降低到了 0.36%（RLVR 阶段），效果非常直接且稳定。
Liquid AI 的 RL 训练流水线核心采用的是无 critic、类 GRPO 方法。整体实现是 reference-free 的，并结合了多项训练技巧，包括：
-
非对称比例裁剪（asymmetric ratio clipping）
-
对零方差提示组的动态过滤
-
超长样本掩码（overlong-sample masking）
-
不进行优势归一化（no advantage normalization）
-
截断的重要性采样（truncated importance sampling）
RL 方法的简化示意图：最终发布的 checkpoint 是一个合并模型，其「家族树」中包含 25 个不同的子 checkpoint。
Liquid AI 采用了一种高度并行的 Curriculum RL 训练框架，先以指令跟随的 RLVR 作为基础起点，再分叉出面向推理、数学、工具使用等不同领域的专项 checkpoint。
这种并行结构不同于传统的「单模型、多任务同时训练」方式，往往会引发能力相互干扰。
Curriculum RL 提供了更精细的控制粒度：每个领域的模型都可以独立优化，拥有各自的奖励设计、超参数和评估标准。随后，我们在不同阶段进行迭代式模型合并，生成在多种能力之间更均衡的新 checkpoint。
实践表明，模型合并在保留整体性能的同时，能够有效吸收专项能力提升，是一条可行且可扩展的通用 RLVR 训练路径。
此外，Liquid AI 正在全力拓展 LFM 系列模型的生态系统和合作伙伴。
LFM2.5-1.2B-Thinking 实现了开箱即用支持，兼容最流行的推理框架，包括 llama.cpp、MLX、vLLM 和 ONNX Runtime。所有框架均支持 CPU 和 GPU 加速，覆盖 Apple、AMD、Qualcomm 和 Nvidia 等硬件。
为了确保 LFM2.5 系列 能够在各种场景下高效运行，Liquid AI 正在快速扩展软硬件生态系统，并欢迎 Qualcomm Technologies, Inc.、Ollama、FastFlowLM 和 Cactus Compute 作为新的合作伙伴加入。
LFM2.5-1.2B-Thinking 在不同硬件设备上的长上下文推理表现。
LFM2.5-1.2B-Thinking 可能只是个起点，但它已经证明了一件事 ——Transformer 并非唯一解，小而强的端侧推理模型或许有更优解。
更重要的是，运行推理模型的门槛越来越低，让更多设备激发 AI 潜能，不论如何，都是一件美事。
参考链接：https://www.liquid.ai/blog/lfm2-5-1-2b-thinking-on-device-reasoning-under-1gb#training-recipe