跳到正文

rStar-Math

以自我演化提升小模型数学推理

访问官网

rStar-Math 是什么

rStar-Math 被介绍为一项研究,展示小型语言模型通过 MCTS 深度思考与自我演化提升数学推理能力。

你可以用它做什么

  • 用蒙特卡洛树搜索做测试时搜索
  • 用代码增强链式推理数据合成验证推理轨迹
  • 通过四轮自我演化迭代策略 SLM 与 PPM

优点与缺点

✓ 我们认可的地方

  • 流程奖励模型避免简单步骤级评分标注
  • 四轮自我演化使用数百万个合成解决方案

! 需要留意的地方

  • 方法依赖测试时搜索
  • 需同时构建策略 SLM 与流程奖励模型

常见问题

使用什么搜索方法?

资料说明是蒙特卡洛树搜索配合流程奖励模型。

AIME 成绩是多少?

资料列出平均解决 53.3%(8/15)的问题。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法