2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

1.5B小模型逆袭!DeepScaleR如何用强化学习颠覆AI数学竞赛规则

发布日期:2025-02-20 16:58:10 浏览次数: 2459
作者:OpenCSG社区

微信搜一搜,关注“OpenCSG社区”

推荐语

在AI领域,小型模型如何逆袭?伯克利团队的DeepScaleR模型给出了答案!

核心内容:
1. 1.5B参数小模型如何超越大规模模型
2. DeepScaleR的创新训练方法:迭代式上下文扩展
3. 强化学习奖励机制的应用与效果

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
大规模模型的训练常常需要庞大的计算资源和高昂的成本。然而,近日,来自加州大学伯克利分校的研究团队以一款1.5B参数的DeepScaleR模型,通过强化学习(RL)微调,成功超越了OpenAI的o1-preview,在AIME 2024等数学竞赛中展现出了强大的推理能力。这个令人震撼的突破让AI领域再次掀起了对小型模型的热议。

突破性成就:1.5B小模型挑战大模型

在AI界,许多人认为,要在数学推理和复杂任务中取得优异成绩,只有大规模的预训练模型才能做到。然而,伯克利团队的研究打破了这一常规,他们通过精巧的训练方法和高质量的数学数据集,在1.5B参数的小模型上,成功应用强化学习提升推理能力,超越了OpenAI的o1-preview。
这一成果证明了:并非越大越好,在特定领域内,小模型也能凭借创新的训练方法展现强大的潜力。

DeepScaleR的创新训练方法:循序渐进,逐步突破

DeepScaleR的成功不仅在于其小模型的高效性,更在于其独特的训练方法。这种方法突破了传统大规模预训练模型的限制,采用了渐进式强化学习策略,逐步引导模型提高推理能力。

1. 迭代式上下文扩展:从短到长,逐步加深推理深度

DeepScaleR的训练策略基于迭代式上下文扩展。与直接训练大上下文长度的传统方法不同,研究团队选择了从较短的上下文开始,逐步扩大模型的推理空间。模型的初始阶段处理的是8K字符长度的题目(类似于高中生的作业),随着模型推理能力的提升,逐渐扩展到16K字符(挑战性更高的题目),最终提升到24K字符,这种逐步扩展的策略能够有效避免过早增加复杂性对模型训练的负面影响。
这种方法的核心理念在于:让模型首先掌握较短的、较简单的推理过程,再通过扩展上下文长度来挑战更复杂的数学问题。这一策略帮助模型逐步构建了自己的推理路径,避免了“信息过载”,让模型能够高效地消化和理解复杂的数学问题。

2. 强化学习奖励机制:纯粹的正确性驱动

DeepScaleR采用了非常简洁而有效的强化学习奖励机制——1分奖励正确答案,0分奖励错误答案。这一方式避免了奖励滥用的问题,确保了模型只会在给出正确答案时获得奖励。与传统强化学习中可能使用的“过程奖励”不同,DeepScaleR使用了结果奖励模型(ORM),即只关心最终结果的正确性而非中间步骤。这种方法在数学推理任务中尤其有效,因为数学推理的目标是最终给出正确的答案,而中间过程的正确性往往不能直接映射为最终结果。
这种纯粹的二进制奖惩机制实际上更加符合数学的严谨性:没有中间地带,只有正确与错误,这种奖励方式使得模型能够专注于解决问题的核心,避免了过多的“冗余”推理。

3. 小模型大突破:高效利用计算资源

尽管DeepScaleR只有1.5B的参数,但它的训练效率远超预期。整个训练过程只消耗了3,800 A100 GPU小时,这意味着模型的训练成本仅为约4,500美元。这与传统的大规模预训练模型相比,显得非常经济高效。例如,在使用大量参数和上下文的传统大模型训练时,训练成本通常会达到数百万美元,甚至更多。DeepScaleR的成功表明,小模型同样可以通过创新的训练方法获得强大的推理能力,而不需要庞大的计算资源
这种训练的高效性得益于两大因素:一是强化学习的高效利用,二是迭代式上下文扩展,这使得训练过程更加专注于模型的推理能力,而非大量计算。

 卓越性能:超越o1-preview,挑战数学竞赛

为了评估DeepScaleR的性能,研究团队将其与多个主流模型进行了对比,包括基础的DeepSeek-R1-Distilled-Qwen-1.5B和来自学术界的rSTAR-Math-7BEurus-2-7B-PRIME、以及Qwen2.5-7B-SimpleRL等模型。
通过对比可以看出,DeepScaleR-1.5B-Preview在AIME 2024MATH 500AMC 2023等多个数学竞赛测试中,表现出色。尤其是在AIME 2024测试中,DeepScaleR的Pass@1准确率达到了43.1%,比基础模型提升了14.4%,这一成绩超越了OpenAI的o1-preview,展示了其出色的推理能力。
在所有的测试中,DeepScaleR的平均性能也表现极为出色,达到了57.0%,远超其他基准模型,尤其是在MATH 500AMC 2023测试中,DeepScaleR均取得了87.8%73.6%的卓越成绩。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅