Liquid AI开源了 Antidoom 方法，专门针对推理模型中常见的“doom loops”（死亡循环/重复失败模式）。这种问题指模型在面对困难的数学或编程任务时，陷入反复重复同一段文本（如不断说“Wait”、“Alternatively”），直到上下文窗口耗尽也无法得出结论。

通过 Final Token Preference Optimization (FTPO) 技术，Antidoom方法可以精准定位引发循环的“过渡 token”，只针对性地调整该位置的概率分布，而非全局重训。效果惊人：在 Liquid 自己的 LFM2.5-2.6B 早期检查点上，循环率从 10.2% 暴降至 1.4%；在 Qwen3.5-4B 上更是从 22.9% 降到 1%（greedy sampling），同时各项评测分数全面提升。