阶跃星辰推出推理模型Step Reasoner mini
发布时间：2025-01-201月16日，阶跃星辰推出自研推理模型 Step Reasoner mini（简称Step R-mini）。
Step Reasoner mini 是 Step 系列模型家族的首个推理模型，擅长主动进行规划、尝试和反思，能通过慢思考和反复验证的逻辑机制，为用户提供准确可靠的回复。它既擅长通过超长推理能力，解决逻辑推理、代码和数学等复杂问题，也能兼顾文学创作等通用领域。
目前，阶跃星辰自研的 Step 系列基座模型矩阵，已经覆盖了从语言、多模态到推理的全面能力。
文理兼修
在AIME 和 Math 等数学基准测试上，Step Reasoner mini 的成绩超过了 o1-preview，比肩 OpenAI o1-mini。在 LiveCodeBench 代码任务上，也比o1-preview 效果更佳。
值得一提的是，目前大部分推理模型难以兼顾文理科双方向能力，随着训练参数规模增加，模型的文科能力会得到提升，但也会因此损失确定性，造成理工科能力的下滑。Step Reasoner mini 通过大规模的强化学习训练，并使用 On-Policy（同策略）强化学习算法，实现了“文理兼修”。Step Reasoner mini 除了能准确解答数学、代码、逻辑推理问题，还能富有创意地完成文学内容创作和日常聊天的任务。
范式转移 Scaling Law不变
Step Reasoner mini 作为推理大模型，其擅长的规划、尝试与反思机制背后，离不开我们对 Scaling Law 原则的坚持：
1. Scaling Reinforcement Learning：从模仿学习到强化学习，从人类偏好到环境反馈，我们坚持Scaling Reinforcement Training，以 Reinforcement Learning 为模型迭代的核心训练阶段。
2. Scaling Data Quality：数据质量是重中之重。在确保数据质量的前提下，我们持续扩大数据分布与规模，为 Reinforcement Learning 训练提供坚实保障。
3. Scaling Test-Time Compute：坚定执行 Training-Time Scaling 的同时，亦兼顾 Test-Time Scaling。在测试阶段我们发现，System 2 的范式让 Step-Reasoner mini 能在极复杂任务推理上，达到 50,000 tokens 来进行深度思考。
4. Scaling Model Size：我们坚持 Model Scaling 仍然是 System-2 的核心，已经在开发更智能、更通用、综合能力更强的 Step Reasoner 推理模型。
应用案例
数学题：能构建合理的推理链，选择最佳的解题公式，多次自我追问确定是否有没被考虑到的因素，展现出全面严谨的思维链路。
逻辑推理题：能自主进行多种解题思路的尝试，在得到初步答案后，会自我反问尝试有没有其他可能性，确保枚举出所有效果良好的解决方案，并在交卷前检查有无遗漏。。
代码题：可正确解答 LeetCode技术平台上“Hard”级算法题，还可以处理复杂的开发需求，逐步分析用户的需求和意图，构建代码逻辑，在代码写作中穿插对当前代码片段的分析和验证，最终给到可执行的代码。
内容创作：能够深入理解用户的表达需求，会先分析用户对创作主题、文学题材的要求，然后思考处理创作角度、描绘的景物、修辞手法、内容结构，赋予事物人类情感层面的象征意义，并增加个性化的、创新的表达风格。
翻译问题：翻译 “I'm not in danger, I'm the danger。” 时，遵循 “信达雅” 原则，经多种尝试后给出既准确传达原意又霸气的译文，如 “我非但无险，我就是那险途” 等。
视觉推理模型
除语言推理模型，也在打造视觉推理模型，将推理能力融入更多交互形态的大模型中。针对复杂视觉场景下的Reasoning 问题，引入了慢感知和空间推理的思想，把 Test-Time Scaling 从文本空间转移到视觉空间，实现在视觉空间下的 Spatial-Slow-Thinking。
https://mp.weixin.qq.com/s/UAlrXtJjGarUR5riPuD0iA
来源：阶跃星辰
