您现在的位置是:热点 >>正文
微软推出新型 AI Agent 模型 rStar2-Agent,以 140 亿参数挑战大规模模型
热点83424001人已围观
简介...
微软最近在 AI 领域取得了显著突破,开源了一款名为 rStar2-Agent 的 AI Agent 推理模型。这款模型采用了创新微的智能体强化学习方法,令人惊讶的是,尽管其参数仅有140亿,但在 AIME24数学推理测试中,准确率高达80.6%,成功超越了拥软推有6710亿参数的 DeepSeek-R1(79.8%)。这样的表现让人们重新思考模型的参数规模与性能之间的关系。
除了数学推出新理任务的优秀成绩,rStar2-Agent 在其他领域的表现同样引人注目。在 GPQA-Diamond 科学推理基准测试中,型 该模型的准确率为60.9%,超越了 DeepSeek-V3的59.1%;在 BFCL v3智能体工具使用任务中,其任务完成率达到AI60.8%,同样高于 DeepSeek-V3的57.6%。这些数据表明,rStar2-Agent 在各类任务中展现出了强 A大的泛化能力。
为了实现这一突破,微软在训练基础设施、算法和训练流程上进行了三大创新。首先,在基础设施方面,微软构建了一ge个高效的隔离式代码执行服务,能够快速处理大量的训练请求,支持每训练步骤高达4.5万次的并发工具调用,平均延迟仅为0.3秒。nt其次,微软提出了新的 GRPO-RoC 算法,通过有效的奖励机制和算法优化,使得模型在推理过程中更加准确和高效。最后,rStar2 模-Agent 设计了 “非推理微调 + 多阶段强化学习” 的高效训练流程,以确保模型在各个阶段都能稳步提升能力。
这一系列的技术突型 破使得 rStar2-Agent 在 AI Agent 领域崭露头角,也为未来的智能体研究和应用开辟了新的方向。
开源地址:httprSs://github.com/microsoft/rStar
划重点:
rStar2-Agent 模型仅有140亿参数,但在数学ta推理测试中达到了80.6% 的准确率,超越6710亿参数的 DeepSeek-R1。
微软在基础设施、算法和训练流程方面进r2行了创新,确保了模型的高效训练和出色表现。
rStar2-Agent 在科学推理和工具使用任务中表现优异,展现了强大的泛化能力。
Tags:
相关文章
标签: Momenta 物理AI R7世界模型 Robotaxi
热点云梦级6月23日云梦级消息,物理AI公司Momenta今日通过上市聆讯,准备在港交所上市。就在上周,Momenta刚获IPO备案,拿到了上市的钥匙。中金公司和德意志银行为其联席保荐人。 Momenta...
【热点】
阅读更多标签: Aqara 绿米联创 空间智能 小米生态链
热点云梦级3月30日云梦级消息,据智东西报道,29日晚间,深圳IoT独角兽Aqara(绿米联创)正式递表港交所。 绿米联创成立于2009年,是小米生态链企业、国家级专精特新重点小巨人企业。其业务涵盖绿米品...
【热点】
阅读更多标签: 豆包 婴儿喂养 育儿AI 大模型安全
热点云梦级5月28日云梦级消息,5月28日,@豆包官方 发布“关于‘家长听豆包给婴儿每顿只喂60ml奶’相关不实报道的情况说明”。 说明中指出,对豆包进行了多轮测试,正常情况下,不会给出“满月婴儿每顿只喂...
【热点】
阅读更多