SanSi 让 1.4B 小模型循环 8 次，决策准确率升至 72%

导读

论文提出 SanSi，通过让 Ouro-1.4B 这个预训练可复用层的小模型重复运行同一批层最多 8 次，并在每次循环后读取选项概率，使小模型在决策任务上大幅提准。