7B模型超越DeepSeek-R1：模仿人类教师，弱模型也能教出强推理LLM

市场资讯2025-06-25

炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ Thinking模式当道，教师模型也该学会“启发式”教学了——由Transformer作者之一Llion Jones创立的明星AI公司Sakana AI，带着他们的新方法来了！这个方法要求教师模型像优秀的人类教师一样，根据已知解决方案输出清晰的逐步解释，而不再是从头开始自己解决。用Sanaka AI的新方法训练出的7B小模型...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2546271298?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-06-25 14:29","share_image_url":"https://static.laohu8.com/b0d1b7e8843deea78cc308b15114de44","id":"2546271298","market":"other","top_or_hot":-1,"title":"7B模型超越DeepSeek-R1：模仿人类教师，弱模型也能教出强推理LLM","media":"市场资讯","content":"<div>\n<p>炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ Thinking模式当道，教师模型也该学会“启发式”教学了——由Transformer作者之一Llion Jones创立的明星AI公司Sakana AI，带着他们的新方法来了！这个方法要求教师模型像优秀的人类教师一样，根据已知解决方案输出清晰的逐步解释，而不再是从头开始自己解决。用Sanaka AI的新方法训练出的7B小模型...</p>\n\n<a href=\"https://finance.sina.com.cn/stock/t/2025-06-25/doc-infchkck8083801.shtml\">网页链接</a>\n\n</div>\n","source":"sina","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>7B模型超越DeepSeek-R1：模仿人类教师，弱模型也能教出强推理LLM</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n7B模型超越DeepSeek-R1：模仿人类教师，弱模型也能教出强推理LLM\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-06-25 14:29 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/stock/t/2025-06-25/doc-infchkck8083801.shtml><strong>市场资讯</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ Thinking模式当道，教师模型也该学会“启发式”教学了——由Transformer作者之一Llion Jones创立的明星AI公司Sakana AI，带着他们的新方法来了！这个方法要求教师模型像优秀的人类教师一样，根据已知解决方案输出清晰的逐步解释，而不再是从头开始自己解决。用Sanaka AI的新方法训练出的7B小模型...</p>\n\n<a href=\"https://finance.sina.com.cn/stock/t/2025-06-25/doc-infchkck8083801.shtml\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"RL","symbol_name":"拉夫劳伦","start_time":0,"source_url":"https://finance.sina.com.cn/stock/t/2025-06-25/doc-infchkck8083801.shtml","article_id":"2546271298","we_media_id":null,"thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2546271298","pubTimestamp":1750832940,"columns":[],"sourceInfo":{"source_id":"sina","name":"sina"},"weMediaInfo":null,"summary":"用Sanaka AI的新方法训练出的7B小模型，在传授推理技能方面，比671B的DeepSeek-R1还要有效。像人类老师一样许多高级推理模型，如DeepSeek-R1，遵循两阶段的训练过程：首先训练教师模型，然后使用其输出训练学生模型，最终产品为学生模型。竞争方法使用规模更大的模型，如DeepSeek-R1和QwQ，并结合GPT-4o-mini等工具在用于训练学生模型之前清理其输出，以获得额外帮助。","collect":0,"end_time":0,"defaultTopTitle":"sina.com.cn","property":[],"viewcount":null,"language":"zh","relate_stocks":{"RL":"拉夫劳伦","BK4588":"碎股","BK4202":"服装、服饰与奢侈品","BK4585":"ETF&股票定投概念","LU0006061336.USD":"Blackrock US Small and MidCap Opportunities A2 USD"},"translate_title":"7B model surpasses DeepSeek-R1: imitating human teachers, weak models can also teach strong reasoning LLM","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"RL":1},"content_text":"炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ Thinking模式当道，教师模型也该学会“启发式”教学了——由Transformer作者之一Llion Jones创立的明星AI公司Sakana AI，带着他们的新方法来了！这个方法要求教师模型像优秀的人类教师一样，根据已知解决方案输出清晰的逐步解释，而不再是从头开始自己解决。用Sanaka AI的新方法训练出的7B小模型，在传授推理技能方面，比671B的DeepSeek-R1还要有效。训练比自己大3倍的学生模型也不在话下。对此有网友评价：我们刚刚才意识到，最好的老师不是房间里最聪明的人。像人类老师一样许多高级推理模型，如DeepSeek-R1，遵循两阶段的训练过程：首先训练教师模型，然后使用其输出训练学生模型，最终产品为学生模型。传统上，这些教师模型通过昂贵的强化学习（RL）进行训练，模型必须从头学习解决复杂问题，只有在得到正确答案时才会获得奖励：先让教师模型得到问题的答案，再把答案仔细过滤并重新用作学生模型的训练数据。这种方法缓慢、昂贵且往往过于偏狭，过于依赖教师模型自身能力。因为教师模型拿到的仅仅只有问题，它们需要自己思考给出结果。而Sanaka AI的新方法不再通过解决问题来教学，而是让新的强化学习教师（RLTs）“学会教学”：要求它们根据已知解决方案输出清晰的逐步解释，就像优秀的人类教师一样。就像一位好教师不需要重新发现数学定理来解释它们一样，RLTs在输入提示中既获得问题的内容，也获得每个问题的正确答案。它们的任务是提供有助于学生模型学习的、逐步的详细解释，从而连接这些知识点。如果学生模型能够根据教师对问题的解释轻松理解正确解决方案，那么这就是RLTs做得好的信号。也就是说，对RLTs的奖励不再是能自己解决问题，而是能解释对学生模型有多有帮助。Sanaka AI的新方法解决了传统方法中的两个问题：首先，新方法的训练循环使教师训练与其真正目的（为学生进行蒸馏/冷启动提供帮助）保持一致，从而大大提高了效率。其次，将问题和正确答案同时输入RLT，能帮助原本无法独立解决问题的小型模型学会教学。这些特性使Sanaka AI的新方法能更快、更经济、更有效地训练出具有强大推理能力的学生模型。小型教师模型的“不合理但有效”为了验证新方法的有效性，Sanaka AI用新方法训练了一个7B的RLT小模型作为教学模型与此前最先进的方法进行比较。竞争方法使用规模更大的模型，如DeepSeek-R1和QwQ，并结合GPT-4o-mini等工具在用于训练学生模型之前清理其输出，以获得额外帮助。结果发现：使用相同的Qwen2.5学生模型、相同的问题以及相同的评估设置，RLT以远少的计算量取得了比DeepSeek-R1和QwQ更好的效果。把学生模型的规模扩大，结果同样令人惊讶：7B的RLT成功训练了一个32B的学生模型，其规模是自己四倍以上，并取得了优异的成果。Sanaka AI的新方法还可以和传统RL方法相辅相成：上图展示了在2024年美国邀请数学考试（AIME）、竞赛数学和研究生级问答基准（GPQA）上的平均性能。新方法和传统RL方法联合使用，使RLT获得了改进性能，并补充了传统RL方法在问题解决方面的应用。用作起点时，RLT帮助学生模型达到了更高的性能水平。从成本角度来看，差异非常显著：使用RLT训练32B的学生模型仅需单个计算节点一天时间，而传统RL方法在相同硬件上需要数月。一项定性分析揭示了RLTs提供的解释与Deepseek-R1的蒸馏轨迹之间存在一些差异：Deepseek-R1的输出常常依赖于外部工具，例如计算器、网络上的讨论以及玩梗，包括一些具有误导性的内容。相比之下，RLT提供的解释避免了令人困惑的语言，并增加了额外的逻辑步骤来帮助学生。这些直观的改进能够转化为学生语言模型的改进学习，像人类专家一样简洁且清晰。参考链接：https://x.com/SakanaAILabs/status/1936965841188425776博客：https://sakana.ai/rlt论文：https://arxiv.org/abs/2506.08388代码：github.com/SakanaAI/RLT\n\n\n\n海量资讯、精准解读，尽在新浪财经APP","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":1,"need_auth":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"deviceId":"web-server-community-laohu8-v3","version":"4.35.13","shortVersion":"4.35.13","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2546271298","isCrawlerRequest":true}