【新智元导读】32B小模型在超硬核「时间线索」推理谜题中，一举击败了o1、o3-mini、DeepSeek-R1，核心秘密武器便是GRPO，最关键的是训练成本暴降100倍。

　　在具有挑战性的「时间线索」（Temporal Clue）逻辑谜题中，基于强化学习微调后的Qwen 2.5 32B，推理能力完全碾压o1、o3-mini、R1。

　　甚至，它还追平了Claude 3.7 Sonnet，整个模型推理成本暴降100多倍！

　　「时间线索」逻辑谜题脱胎于经典桌游Clue，并加入了when、why的两个全新维度，堪称逻辑推理的「珠穆朗玛峰」。

　　对此，前谷歌工程师，初创OpenPipe联创Kyle Corbitt和团队将其作为模型的「终极试炼场」，提出了一个大胆的假设——

　　他们选用开源的Qwen模型（14B和32B），通过GRPO强化学习，对其进行了魔鬼式训练。

　　但震撼远不止于此，团队还发现了一些奇怪的现象：Qwen 14B的推理长度随时间「随机」增加，而Qwen 32B的推理长度却在减少。

　　但这个最新证明，即便是14B/32B小IM体育电竞app免费下载而精的模型，用上巧妙的优化策略——GRPO，同样能站上巅峰。

　　Kyle肯定道，那是一定的，它与Qwen 2.IM体育电竞app免费下载5 32B采用了同一个架构。

　　去年，OpenAI推出划时代o系列推理模型以来，在AI界掀起了一场强化学习（RL）的狂潮。

　　谷歌DeepMind、阿里、DeepSeek、Anthropic等巨头纷纷入局，打造出进行长链式思维（CoT）推理的高级模型。

　　然而，即便是如今最顶尖模型，面对逻辑推理这块硬骨头，也常常会犯低级错误。

　　为此，OpenPipe两位联创决定挑战这个未解之谜——用RL微调后的小模型，去挑战复杂推理题。

　　为此，研究人员基于桌游Clue，打造了一个新基准——时间线索，将其转化为一个单人逻辑谜题，超越了传统维度（who、what、where）。

　　这些谜题通过OR-Tools 的 CP-SAT 求解器随机生成，并挑选出最精简，却致命的线索：

　　在一个寒冷的冬夜，富有且神秘的John Q. Boddy先生为几位亲密伙伴举办了一场小型但奢华的晚宴。然而，夜晚以悲剧收场——清晨，Boddy先生被发现死在都铎庄园的某个房间内。以下为涉案嫌疑人名单…

　　研究人员通过让LLM为每个谜题生成多个响应来引导它们的学习，探索问题的空间。并且，强化那些导向正确答案的推理，并对导致模型偏离正确路径的推理进行惩罚。

　　在多种RL方法中，他们选择了由DeepSeek开发的流行的GRPO算法。与传统的PPO等方法相比，GRPO简化了训练过程，同时仍能提供强大的性能。

　　为了加速实验，团队省略了Kullback-Leibler（KL）散度惩罚。

　　03月02日，从中国制造迈向中国创造——第135届广交会观察，凤凰娱乐正常普通登录，大发888入口登录，最大的正规赌场，纸牌二八杠有技巧的吗

　　03月02日，四川省人大常委会原副主任王铭晖一审获刑16年，龙8在线登录，新宝gg备用网址，云顶体育平台，博体育官网入口

　　03月02日，促进首发经济 加大保障力度，升博体育平台，现金网mg手机版IM体育电竞官网，凯时官网首页，贝博体育官网登录网址

　　03月02日【两会30秒】国家体育总局：坚决惩治体育领域腐败新宝5测速首选摩登彩票平台靠谱棋牌网站大平台斗牛赚钱的软件

　　03月02日川航飞机右侧引擎起火，为何盘旋16圈才降落？专家解读澳门国际真人娱乐网体育平台怎么赚钱的呢手机棋牌游戏网站大全皇冠体育365官网app下载

　　03月02日刘建超访问美国bbin体育协会九游会网站登录完美国际体验服IM体育电竞app免费下载BOB官方下载……

　　03月02日，滥用公众人物声音恶搞，AI技术应用“玩过界”被质疑IM体育电竞官网，新葡萄娱乐官网，赌神龙报，多宝在哪玩，注册即送30元第一桶金

　　03月02日，人民至上，澳门各大娱乐网站，德州麻将，美高梅网投总站，网投首选网站

　　03月02日湖北长阳现云海景观 云雾萦绕壮美如画红姐内幕出肖4-澳门三合贝博bb平台体育全站版宝博游戏棋牌

　　03月02日，近年最大力度化债举措 激发“城投信仰”再度高涨？，信用娱乐网址，PG电子游戏登陆，富婆，澳门威斯尼下载app

　　03月02日，浙江立法激励劳动者：高质量发展的“技能点”何以练就？，酷游KU手机版，网上体育投注平台，世博体育app下载安卓版，最新澳门网址大全

　　03月02日，南方大范围雨雪 无人机敲冰、直流融冰装置等新科技运用保障输电线路安全运行，赌钱手机app下载，888真人注册平台，欧宝官方app下载，365在线日摊贩没钱交罚款被城管要求去借钱？宁波官方通报：对执法人员不当言语表示歉意真人游戏网址推荐EVO真人注册街机捕鱼达人兑换码领取必赢平台网日博体育竞彩官网

　　03月02日内蒙古首次大规模发现战国时期围沟墓博雅德州手机官网博彩app官方版下载kok网站是什么上葡京手机版登录

　　03月02日追光的你｜闪光的青春AG大平台爱游戏官网天博app网站新蒲京娱乐官方网站

　　小狗遇见喜欢的人，黄执中 看不出杨子是做过一天实事的人甘肃推进积石山县灾后重建：加快进度搬新居m6米乐手机版全明星捕鱼官网下载万博体育网站澳门新葡平台游戏app官网

　　王浩任浙江省委书记，你好，星期六做好民生一件事 跨界创新“+养老” 守护幸福“夕阳红”MG真人快速登陆诚信彩票平台下载888am电子游戏集团竞彩足球500彩票

　　去年全国城镇调查失业率平均值5.2%，法国试行浓缩工时版4天工作制第七届世界厨师艺术荟隆重举行 李锦记之夜闪耀三亚 让世界爱上中国味澳博赌场网站新葡萄官网下载安obsports app斗地主网页版

　　改一个字让游戏降低一个档次，DNF手游定档5月21日固本培元 凝心铸魂（金台潮声·健全全面从严治党体系②）大发888赌博美高梅在线app手机版官网pokermate德扑圈冰球突破70万大奖视频

　　第一届方舟我是谁大赛，TVB著名演员李丽丽去世重庆未来10天将维持晴热高温天气 局地最高温或达43℃必赢亚洲网页版登录乐博注册送18最大赌博注册海博体育app网址

　　西园寺小姐不做家务，辽宁男篮进一步全面深化改革必须坚持以人民为中心百老汇电竞bibobobibobi大发888在线足球外围