微软推出新型 AI Agent 模型 rStar2-Agent，以 140 亿参数挑战大规模模型
我要评论微软最近在 AI 领域取得了显著突破，开源了一款名为 rStar2-Agent 的 AI Agent 推理模型。这款模型采用了创新微的智能体强化学习方法，令人惊讶的是，尽管其参数仅有140亿，但在 AIME24数学推理测试中，准确率高达80.6%，成功软推超越了拥有6710亿参数的 DeepSeek-R1（79.8%）。这样的表现让人们重新思考模型的参数规模与性能之间的关系。
除出新了数学推理任务的优秀成绩，rStar2-Agent 在其他领域的表现同样引人注目。在 GPQA-Diamond 科学推理基准测型 试中，该模型的准确率为60.9%，超越了 DeepSeek-V3的59.1%;在 BFCL v3智能体工具使用任务中，其任务完成率达AI到60.8%，同样高于 DeepSeek-V3的57.6%。这些数据表明，rStar2-Agent 在各类任务中展现出了强大的泛化 A能力。
为了实现这一突破，微软在训练基础设施、算法和训练流程上进行了三大创新。首先，在基础设施方面，微软构建了一个高效的隔离式代ge码执行服务，能够快速处理大量的训练请求，支持每训练步骤高达4.5万次的并发工具调用，平均延迟仅为0.3秒。其次，微软提出了新的nt GRPO-RoC 算法，通过有效的奖励机制和算法优化，使得模型在推理过程中更加准确和高效。最后，rStar2-Agent 模 设计了 “非推理微调 + 多阶段强化学习” 的高效训练流程，以确保模型在各个阶段都能稳步提升能力。
这一系列的技术突破使得 rSta型 r2-Agent 在 AI Agent 领域崭露头角，也为未来的智能体研究和应用开辟了新的方向。
开源地址:https://grSithub.com/microsoft/rStar
划重点:
rStar2-Agent 模型仅有140亿参数，但在数学推理测ta试中达到了80.6% 的准确率，超越6710亿参数的 DeepSeek-R1。
微软在基础设施、算法和训练流程方面进行了创新，确r2保了模型的高效训练和出色表现。
rStar2-Agent 在科学推理和工具使用任务中表现优异，展现了强大的泛化能力。
相关文章
云梦级4月15日云梦级消息，Snapchat 母公司 Snap 美国当地时间今日宣布一系列人事变动，在整个公司的范围内裁撤约 1000 个岗位，这影响约 16% 全职员工。该企业还同步宣布将关闭 302026-11-16
云梦级12月4日云梦级消息，蓝鲸汽车记者获悉，出行平台哈啰首款L4级（自动驾驶）车型预计将在明年6月量产，并会在明年3月进行小批量交付落地。在合作车企方面，记者了解到，其目前暂时仅与东风日产旗下合资自2026-11-16
云梦级12月18日云梦级消息，中电科蓝天科技股份有限公司（以下简称“电科蓝天”）日前通过IPO审核，即将上交所科创板上市。本次发行的保荐机构为中信建投证券股份有限公司，审计机构为立信会计师事务所，合作2026-11-16
云梦级2月4日云梦级消息，江西铜博科技股份有限公司（简称：“铜博科技”）日前递交招股书，准备在港交所上市。铜博科技是一家电解铜箔解决方案提供商，专注于高性能电解铜箔的设计、研发、生产和销售。 招股书显2026-11-16
3月18日消息，百度智能云在官网发布AI算力、存储等产品调价公告：受全球人工智能应用快速发展影响，算力需求持续攀升。核心硬件及相关基础设施成本出现显著上涨。为保障平台长期稳定运行与服务质量，对部分产品2026-11-16
Salesforce第三财季营收同比增长14% 净利润同比下降55%
12月1日消息，据国外媒体报道，当地时间周三，美国云计算公司Salesforce公布了截至2022年10月31日的2023财年第三财季财报。 财报显示，该公司第三财季的总营收为78.4亿美元，同比增长2026-11-16
最新评论