這是階躍星辰 Step 系列模型家族的首個推理模型。

原標題：剛剛，階躍星辰發(fā)布Step R-mini！推理模型從此不再文理偏科
文章來源：機器之心
內(nèi)容字數(shù)：4404字

國產(chǎn)推理大模型Step Reasoner mini強勢來襲

國產(chǎn)大模型“六小虎”成員階躍星辰發(fā)布了其首個推理模型Step Reasoner mini（Step R-mini），在多個基準測試中達到SOTA水平，甚至超越了OpenAI的o1-mini模型。該模型具備強大的超長推理能力，能夠解決邏輯推理、代碼、數(shù)學等復雜問題，同時也能勝任文學創(chuàng)作等通用任務(wù)，實現(xiàn)“文理兼修”。

1. Step R-mini 的核心能力與優(yōu)勢

Step R-mini 通過在推理階段增加計算量，結(jié)合思維鏈等技術(shù)，實現(xiàn)了“慢思考”，能夠主動規(guī)劃、嘗試和反思，最終提供準確可靠的回復。其強大的推理能力源于高比例的強化學習（RL）訓練，以及在數(shù)據(jù)質(zhì)量、測試時計算、模型大小等方面的全面Scaling，充分驗證了Scaling Law的有效性。 它在AIME 2024和Math500數(shù)學基準測試中均達到SOTA水平，在LiveCodeBench代碼任務(wù)上也超過了o1-preview。

2. “文理兼修”的體現(xiàn)

Step R-mini 不僅能出色地完成數(shù)學、代碼和邏輯推理等任務(wù)，還能進行富有創(chuàng)意的文學創(chuàng)作和日常。例如，它能夠準確解答古詩詞相關(guān)的算術(shù)問題，并解決復雜的數(shù)學題，同時還能進行富有創(chuàng)意的翻譯和中文名生成，展現(xiàn)了其強大的“文理兼修”能力。

3. Step R-mini 的訓練方法

Step R-mini 的訓練采用了大規(guī)模強化學習，并使用了On-Policy強化學習算法。階躍星辰在模型訓練過程中堅持Scaling Law原則，包括Scaling強化學習、Scaling數(shù)據(jù)質(zhì)量、Scaling Test-Time Compute和Scaling模型大小，從而提升了模型的推理能力。尤其值得一提的是，在測試階段，System 2范式使Step R-mini能夠進行高達50,000規(guī)模的思考token，實現(xiàn)了深度思考。

4. 視覺推理模型的未來展望

除了語言推理模型，階躍星辰還在開發(fā)視覺推理模型，旨在將推理能力融入更多交互形態(tài)的大模型中。該視覺推理模型將通過“慢感知”和空間推理，實現(xiàn)真正的視覺領(lǐng)域推理，而非僅僅基于圖像的文字推理。初步展示的案例表明，該模型能夠解答圖中題目、進行空間推理以及識別圖像中的數(shù)字對應(yīng)關(guān)系，展現(xiàn)了其巨大的潛力。

5. 總結(jié)

Step Reasoner mini的出現(xiàn)標志著國內(nèi)大模型在推理能力方面取得了顯著進展。其“文理兼修”的能力和強大的推理能力，為未來大模型的發(fā)展提供了新的方向。 階躍星辰在Scaling Law上的堅持和對視覺推理模型的探索，也為大模型技術(shù)的持續(xù)創(chuàng)新提供了有力支撐。

聯(lián)系作者

文章來源：機器之心
作者微信：
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺