剛剛，階躍星辰釋出Step R-mini！推理模型從此不再文理偏科

机器之心發表於2025-01-16

原文網址 : https://www.jiqizhixin.com/articles/2025-01-16-9

模型

這是階躍星辰 Step 系列模型家族的首個推理模型。

類似 OpenAI o1 的推理模型在國內終於捲起來了。

剛剛，國產大模型「六小虎」成員階躍星辰釋出了最新一代模型 ——Step Reasoner mini（簡稱「Step R-mini」）。這是階躍星辰 Step 系列模型家族的首個推理模型。

體驗地址：https://yuewen.cn

新模型擅長主動進行規劃、嘗試和反思，能透過慢思考和反覆驗證的邏輯機制，為使用者提供準確可靠的回覆。

而且，它既擅長透過超長推理能力，解決邏輯推理、程式碼和數學等複雜問題，也能兼顧文學創作等通用領域。或者按階躍星辰自己的說法是「文理兼修」。

根據階躍星辰公佈的基準測試資料，Step R-mini 在 AIME 2024 和 Math500 這兩個數學基準上均達到了 SOTA 水平，其中在 Math500 上更是比 o1-mini 還多 2 分。Step Reasoner mini 寫程式碼的能力也很不錯：在 LiveCodeBench 程式碼任務上超過了 o1-preview。

這一切是怎麼做到的呢？機器之心從階躍星辰相關人士瞭解到，新模型的「RL」含量很高，因此泛化性比較好。此外，他們還在資料質量、測試時計算、模型大小等多個方面進行了 scaling，再次驗證了 Scaling Law 的有效性。

除了語言推理模型，他們也在打造能夠進行多模態推理的視覺推理模型。而且相關人士強調說，這個多模態推理模型「是真的在視覺領域的推理」，即在圖上進行推理，「而不僅僅是看著圖卻只在文字領域的推理」。

看來，階躍星辰在自己的路線圖上又往前邁了一步。

Step Reasoner mini 是如何煉成的？

根據階躍星辰的介紹，Step R-mini 的設計與開發遵循了當前主流的推理模型開發正規化。具體來說，它透過在推理階段增加計算量，並結合思維鏈等技術，實現了「慢思考」。該系統能夠根據任務的複雜性進行主動規劃、嘗試和反思，從而透過反覆驗證的邏輯機制，提供準確且可靠的反饋。

階躍星辰錶示，Step Reasoner mini 最大的亮點之一是實現了「文理兼修」。具體來說，Step Reasoner mini 除了能準確解答數學、程式碼、邏輯推理問題，還能富有創意地完成文學內容創作和日常聊天的任務。這一切是透過大規模的強化學習訓練，並使用 On-Policy（同策略）強化學習演算法來實現的。

此外，模型推理能力的提升也離不開階躍星辰對 Scaling Law 原則的堅持。這包括以下幾點：

Scaling 強化學習：從模仿學習到強化學習，從人類偏好到環境反饋，階躍星辰堅持 Scaling 強化訓練，以強化學習為模型迭代的核心訓練階段。
Scaling 資料質量：資料質量是重中之重。在確保資料質量的前提下，階躍星辰持續擴大資料分佈與規模，為強化學習訓練提供堅實保障。
Scaling Test-Time Compute：堅定執行 Training-Time Scaling 的同時，亦兼顧 Test-Time Scaling。在測試階段，階躍星辰發現，System 2 正規化能讓 Step Reasoner mini 在極複雜任務推理上達到 50,000 規模的思考 token，進而實現深度思考。
Scaling 模型大小：這是最經典的 Scaling 方式。階躍星辰錶示，堅持模型大小 Scaling 仍然是 System-2 的核心，已經在開發更智慧、更通用、綜合能力更強的 Step Reasoner 推理模型。

一手實測效果如何？

既然 Step Reasoner mini 宣稱「文理兼修」，我們首先就用一個文理融合的題目來考校它一番：《夢遊天姥吟留別》中，一個數與其倍數在同一句的是哪一句？問題不難，但這既需要 AI 記得並理解古詩詞，還需要它懂得基本的算術。雖然很多人認為答案應該是「天台四萬八千丈，對此欲倒東南傾。」但是其實四萬八千是一個單獨的數，這一句中也沒有其倍數，因此這句並不算。而 Step Reasoner mini 也在推理思考中確認了這一點，並最終找到了正確答案：「千巖萬轉路不定」。

下面來看一道 2024 年的高考數學題：

可以看到，Step Reasoner mini 進行了一番思考後得到了正確答案。同樣可以看到，該模型在第一輪思考得到答案之後會再執行兩輪思考，以驗證答案的正確性。實測中我們發現，如果第一輪和第二輪的答案不一致，Step Reasoner mini 還會持續進行多輪思考，直到得到正確答案。

接下來上一道邏輯推理題：

可以看到，Step Reasoner mini 系統地整理了題目中幾個人的關係，並將最終答案以非常清晰的形式呈現了出來。

單純的「文科」任務呢？比如如果要求模型霸氣地翻譯「I'm not in danger,I'm the danger.」它會怎麼處理？結果發現，Step Reasoner mini 經過多次嘗試，最終找到了一個相當霸氣的譯法：「我非但無險，我就是那險途。」更有意思的是，它還在思考過程中引經據典，參考了《黑暗騎士》中的類似臺詞。