`包裹，长文用`
`/`
`划分小节。 3. 列表内容用`
- `，引用用`
`，代码用`
`，重要句子可用``。
4. 保留原文所有信息，不得增删改内容。
5. 不要输出``/``/``等文档级标签。
正文是一段关于循环语言模型的文本。我需要仔细阅读并理解内容。
原文：
"Looped language models can stop iterating early, and recent work shows that post-hoc readouts of the loop trajectory often rival the learned exit gate of the looped model Ouro. Such comparisons reduce each method to one operating point chosen by a selection rule. We ask whether that rule decides the outcome. On a frozen Ouro-1.4B with four loops, we compared a trained stability probe ($π_1$-x) with Ouro's native gate, adapted to a per-question stopping decision, in pre-registered studies; the confirmatory study was designed after an exploratory finding on development data and evaluated once on a sealed test set of 8,517 questions. In the pre-registered confirmatory comparison, which selected operating points with a bootstrap-screened 1 pp accuracy-loss rule, the probe saved more of the four-loop budget than the native gate (+0.053 gross macro saving over three benchmarks, 95% CI [+0.049, +0.057]), mostly from CommonsenseQA, where the probe's test upper bound on accuracy loss exceeded 1 pp. Under a point-only rule, a pre-specified secondary analysis on the same test set reversed the preference (-0.022 [-0.026, -0.018]), with operating points that exceeded the budget. In pre-specified secondary comparisons, the probe showed no demonstrated advantage over an untrained KL divergence between successive loops (+0.00125 [-0.0041, +0.0065]); we emphasise this result post hoc and claim no equivalence. The probe also broke its budget on one of two out-of-distribution benchmarks (3.26 pp loss on Social IQa). Savings are estimated from stored full-depth traces, not measured inference time, and our screen carries no formal risk-control guarantee. We conclude that halting methods should be compared as signals together with selection procedures, with strong untrained baselines and out-of-distribution checks."
现在，分析内容：
- 这是一个科学/技术新闻或研究摘要。
- 我需要将它分成自然段落。原文看起来是一个连续的段落，但根据内容，可能可以分成几个部分。
- 规则说：每个自然段落用``包裹。原文似乎是一整段，但为了可读性，我应该考虑是否有自然段落的划分。
仔细看原文：
- 开头：介绍循环语言模型和比较。
- 然后：描述实验设置。
- 接着：描述主要结果。
- 然后：次要分析和结果。
- 最后：结论。
所以，我可以将它分成几个段落。
任务说"每个自然段落"，意思是如果原文有多个段落，就用`
`包裹每个。但这里原文是一整段，所以我可能需要基于内容逻辑来划分。
规则2说："每个自然段落用`
`包裹"，所以如果原文是一段，我就用一个`
`。但为了更好的语义，我应该考虑是否有小节。
规则还说："长文用`
`/`
`划分小节"。这里内容不长，但可能有必要。
原文没有明显的标题，所以可能需要添加小节标题来组织内容。
规则4：保留原文所有信息，不得增删改内容。所以不能添加新内容，但可以添加结构性标签如`
`来划分小节。
规则说"长文用`
`/`
`划分小节"，所以对于长文本，我应该添加小节标题。
这个文本长度中等，但既然是新闻正文，可能不需要标题。规则指定了，所以最好添加。
我需要决定如何划分小节。
可能的划分：
1. 介绍部分：关于循环语言模型和比较方法。
2. 实验设置：描述研究设计。
3. 主要结果：确认性比较的结果。
4. 次要分析和结果：点规则下的结果、与未训练基线的比较等。
5. 结论：最终结论。
添加小节标题时，不能增删内容，所以标题应该基于原文内容。
例如：
- 第一段：介绍问题。
- 第二段：实验方法。
- 第三段：主要发现。
- 第四段：次要发现。
- 第五段：结论。
但标题本身是添加的，规则允许用`
`/`
`，所以应该可以。
规则说"不得增删改内容"，但添加结构性标签是排版的一部分，不算是增删内容。内容本身不变。
所以，我可以添加小节标题。
现在，检查是否有列表、引用、代码等。
- 没有明显的列表：没有项目符号或编号列表。
- 没有引用：没有直接引用别人的话。
- 有代码吗？原文中有"$π_1$-x"，这看起来像LaTeX或数学符号，可能应该用代码标签。
规则3：代码用``。
在文本中，"$π_1$-x"，这可能表示数学公式，应该用代码或特殊处理。
在HTML中，数学符号通常用``或特殊标签，但规则指定代码用``。
所以，对于"$π_1$-x"，我可以包裹在``中。
同样，CI区间如"[+0.049, +0.057]"，可能不需要特殊处理，但可以保持原样。
重要句子：规则说"重要句子可用``"，所以我需要识别哪些句子重要。
例如，关键结论或主要发现。
现在，规划HTML结构。
首先，确定小节。
基于内容：
- 开头：介绍循环语言模型的停止问题。
- 然后：实验设置。
- 主要结果。
- 次要结果。
- 结论。
添加小节标题。
例如：
Introduction
但规则说不能增删内容，所以标题应该简洁，基于内容。
或许：
Background
Methodology
Results
Conclusion
但需要确保标题是语义化的。
由于是新闻正文，可能不需要正式标题，但规则要求用``/`
`划分小节。
所以，我会添加。
现在，划分段落。
原文可以分成：
1. "Looped language models can stop iterating early, and recent work shows that post-hoc readouts of the loop trajectory often rival the learned exit gate of the looped model Ouro. Such comparisons reduce each method to one operating point chosen by a selection rule. We ask whether that rule decides the outcome."
2. "On a frozen Ouro-1.4B with four loops, we compared a trained stability probe ($π_1$-x) with Ouro's native gate, adapted to a per-question stopping decision, in pre-registered studies; the confirmatory study was designed after an exploratory finding on development data and evaluated once on a sealed test set of 8,517 questions."
3. "In the pre-registered confirmatory comparison, which selected operating points with a bootstrap-screened 1 pp accuracy-loss rule, the probe saved more of the four-loop budget than the native gate (+0.053 gross macro saving over three benchmarks, 95% CI [+0.049, +0.057]), mostly from CommonsenseQA, where the probe's test upper bound on accuracy loss exceeded 1 pp."
4. "Under a point-only rule, a pre-specified secondary analysis on the same test set reversed the preference (-0.0
`，代码用``，重要句子可用``。 4. 保留原文所有信息，不得增删改内容。 5. 不要输出``/``/``等文档级标签。 正文是一段关于循环语言模型的文本。我需要仔细阅读并理解内容。 原文： "Looped language models can stop iterating early, and recent work shows that post-hoc readouts of the loop trajectory often rival the learned exit gate of the looped model Ouro. Such comparisons reduce each method to one operating point chosen by a selection rule. We ask whether that rule decides the outcome. On a frozen Ouro-1.4B with four loops, we compared a trained stability probe ($π_1$-x) with Ouro's native gate, adapted to a per-question stopping decision, in pre-registered studies; the confirmatory study was designed after an exploratory finding on development data and evaluated once on a sealed test set of 8,517 questions. In the pre-registered confirmatory comparison, which selected operating points with a bootstrap-screened 1 pp accuracy-loss rule, the probe saved more of the four-loop budget than the native gate (+0.053 gross macro saving over three benchmarks, 95% CI [+0.049, +0.057]), mostly from CommonsenseQA, where the probe's test upper bound on accuracy loss exceeded 1 pp. Under a point-only rule, a pre-specified secondary analysis on the same test set reversed the preference (-0.022 [-0.026, -0.018]), with operating points that exceeded the budget. In pre-specified secondary comparisons, the probe showed no demonstrated advantage over an untrained KL divergence between successive loops (+0.00125 [-0.0041, +0.0065]); we emphasise this result post hoc and claim no equivalence. The probe also broke its budget on one of two out-of-distribution benchmarks (3.26 pp loss on Social IQa). Savings are estimated from stored full-depth traces, not measured inference time, and our screen carries no formal risk-control guarantee. We conclude that halting methods should be compared as signals together with selection procedures, with strong untrained baselines and out-of-distribution checks." 现在，分析内容： - 这是一个科学/技术新闻或研究摘要。 - 我需要将它分成自然段落。原文看起来是一个连续的段落，但根据内容，可能可以分成几个部分。 - 规则说：每个自然段落用``包裹。原文似乎是一整段，但为了可读性，我应该考虑是否有自然段落的划分。 仔细看原文： - 开头：介绍循环语言模型和比较。 - 然后：描述实验设置。 - 接着：描述主要结果。 - 然后：次要分析和结果。 - 最后：结论。 所以，我可以将它分成几个段落。 任务说"每个自然段落"，意思是如果原文有多个段落，就用`
`包裹每个。但这里原文是一整段，所以我可能需要基于内容逻辑来划分。 规则2说："每个自然段落用`
`包裹"，所以如果原文是一段，我就用一个`
`。但为了更好的语义，我应该考虑是否有小节。 规则还说："长文用`
`/`
`划分小节"。这里内容不长，但可能有必要。 原文没有明显的标题，所以可能需要添加小节标题来组织内容。 规则4：保留原文所有信息，不得增删改内容。所以不能添加新内容，但可以添加结构性标签如`
`来划分小节。 规则说"长文用`
`/`
`划分小节"，所以对于长文本，我应该添加小节标题。 这个文本长度中等，但既然是新闻正文，可能不需要标题。规则指定了，所以最好添加。 我需要决定如何划分小节。 可能的划分： 1. 介绍部分：关于循环语言模型和比较方法。 2. 实验设置：描述研究设计。 3. 主要结果：确认性比较的结果。 4. 次要分析和结果：点规则下的结果、与未训练基线的比较等。 5. 结论：最终结论。 添加小节标题时，不能增删内容，所以标题应该基于原文内容。 例如： - 第一段：介绍问题。 - 第二段：实验方法。 - 第三段：主要发现。 - 第四段：次要发现。 - 第五段：结论。 但标题本身是添加的，规则允许用`
`/`
`，所以应该可以。 规则说"不得增删改内容"，但添加结构性标签是排版的一部分，不算是增删内容。内容本身不变。 所以，我可以添加小节标题。 现在，检查是否有列表、引用、代码等。 - 没有明显的列表：没有项目符号或编号列表。 - 没有引用：没有直接引用别人的话。 - 有代码吗？原文中有"$π_1$-x"，这看起来像LaTeX或数学符号，可能应该用代码标签。 规则3：代码用`
`。 在文本中，"$π_1$-x"，这可能表示数学公式，应该用代码或特殊处理。 在HTML中，数学符号通常用``或特殊标签，但规则指定代码用``。 所以，对于"$π_1$-x"，我可以包裹在``中。 同样，CI区间如"[+0.049, +0.057]"，可能不需要特殊处理，但可以保持原样。 重要句子：规则说"重要句子可用``"，所以我需要识别哪些句子重要。 例如，关键结论或主要发现。 现在，规划HTML结构。 首先，确定小节。 基于内容： - 开头：介绍循环语言模型的停止问题。 - 然后：实验设置。 - 主要结果。 - 次要结果。 - 结论。 添加小节标题。 例如：Introduction
但规则说不能增删内容，所以标题应该简洁，基于内容。 或许：Background
Methodology
Results
Conclusion
但需要确保标题是语义化的。 由于是新闻正文，可能不需要正式标题，但规则要求用``/`
`划分小节。 所以，我会添加。 现在，划分段落。 原文可以分成： 1. "Looped language models can stop iterating early, and recent work shows that post-hoc readouts of the loop trajectory often rival the learned exit gate of the looped model Ouro. Such comparisons reduce each method to one operating point chosen by a selection rule. We ask whether that rule decides the outcome." 2. "On a frozen Ouro-1.4B with four loops, we compared a trained stability probe ($π_1$-x) with Ouro's native gate, adapted to a per-question stopping decision, in pre-registered studies; the confirmatory study was designed after an exploratory finding on development data and evaluated once on a sealed test set of 8,517 questions." 3. "In the pre-registered confirmatory comparison, which selected operating points with a bootstrap-screened 1 pp accuracy-loss rule, the probe saved more of the four-loop budget than the native gate (+0.053 gross macro saving over three benchmarks, 95% CI [+0.049, +0.057]), mostly from CommonsenseQA, where the probe's test upper bound on accuracy loss exceeded 1 pp." 4. "Under a point-only rule, a pre-specified secondary analysis on the same test set reversed the preference (-0.0