计算机科学 > 计算与语言
[提交于 2025年4月30日
]
标题: Phi-4-Mini-Reasoning:探究小型推理语言模型在数学中的极限
标题: Phi-4-Mini-Reasoning: Exploring the Limits of Small Reasoning Language Models in Math
摘要: Chain-of-Thought (CoT) 显著增强了大型语言模型 (LLMs) 的形式推理能力,通过训练它们明确生成中间推理步骤。 尽管 LLMs 很容易从这些技术中受益,但由于小规模语言模型 (SLMs) 的容量限制,提高它们的推理能力仍然具有挑战性。 Deepseek-R1 的最新研究表明,从 LLM 生成的合成数据中蒸馏可以显著提高 SLM 的推理能力。 然而,详细的建模方法没有被披露。 在这项工作中,我们提出了一个系统性的训练方法,适用于 SLM,该方法包括四个步骤:(1) 在多样化的蒸馏长 CoT 数据上的大规模中期训练,(2) 在高质量长 CoT 数据上的监督微调,(3) 利用精心策划的偏好数据集进行 Rollout DPO,(4) 带有可验证奖励的强化学习 (RL)。 我们将这种方法应用于 Phi-4-Mini,这是一个紧凑型的 38 亿参数模型。 由此产生的 Phi-4-Mini-Reasoning 模型在数学推理任务上超过了更大的推理模型,例如,在 Math-500 上比 DeepSeek-R1-Distill-Qwen-7B 高出 3.2 分,比 DeepSeek-R1-Distill-Llama-8B 高出 7.7 分。 我们的结果显示,一个经过精心设计的训练方法,使用大规模高质量的 CoT 数据,即使在资源受限的小模型中也能有效解锁强大的推理能力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.