SanSi：用于 System 1.5 思考的循环类型化决策模型

SanSi 把预训练循环语言模型变成类型化决策模型，在单次前向传播中不生成 token，而是对声明选项输出概率；同一层被递归应用多次，每次循环都读取选项概率并用 proper scoring rule 训练，使一个模型在一次运行中覆盖 1 到 8 个循环的预算。