大酷樂
  • 汽車
  • 理财
  • 軍事
  • 科技
  • 遊戲
  • 互聯網
  • 娛樂
  • 财經
  • 科學
  • 社會
  • 親子
  • 電影
  • 健康
  • 教育
  1. 首頁
  2. 科學

字節新推理模型逆襲DeepSeek,200B參數戰勝671B,豆包史詩級加強?

2025-04-12 简体 HK SG TW

今天小編分享的科學經驗:字節新推理模型逆襲DeepSeek,200B參數戰勝671B,豆包史詩級加強?,歡迎閱讀。

字節最新深度思考模型,在數學、代碼等多項推理任務中超過 DeepSeek-R1 了?而且參數規模更小。

同樣是 MoE 架構,字節新模型 Seed-Thinking-v1.5 有 200B 總參數和 20B 激活參數。

對比 DeepSeek-R1 的 671B 總參數和 37B 激活參數,可以算得上輕量級了。

目前,完整的技術報告已公開發布,其中揭示了諸多秘訣。

字節 Seed 團隊聚焦大規模強化學習,并從三個角度提升了推理表現:數據、RL 算法和 RL 基礎設施。

可驗證與不可驗證問題

從數據開始說起,字節團隊把 RL 訓練數據分為兩個部分,具有明确答案的可驗證問題和沒有明确答案的不可驗證問題,采用不同的獎勵建模方法。

這其中,模型的推理能力主要來自可驗證問題,并可以推廣到不可驗證問題。

可驗證問題包括問題與答案配對的 STEM 問題、附帶單元測試的代碼問題,以及适合自動驗證的邏輯推理問題(24 點、迷宮、數獨等)。

不可驗證問題主要包括根據人類偏好評估的非推理任務,如創意寫作、翻譯、知識 QA、角色扮演等。

對于不可驗證問題,字節團隊丢棄了樣本分數方差低、難度低的數據。此類數據可能過于簡單或已在數據集中大量表示。離線實驗表明,過度優化此類樣本會導致模型的探索空間過早崩潰并降低性能。

此外,團隊還打造了全新數學推理評測集 BeyondAIME。

當前的推理模型通常使用 AIME 作為評估數學推理能力的首選基準,但該基準每年只發布 30 個問題,有限的規模可能會導致高方差的評估結果,難以有效區分最先進的推理模型。

字節與數學專家合作,根據既定的比賽形式開發原創問題。通過結構修改和情景重新配置來系統地調整現有的比賽問題,确保不會發生直接重復。此外還确保答案不是容易猜的數值(例如問題陳述中明确提到的數字),以減少模型在沒有适當推理的情況下猜出正确答案的機會。

RL 算法

強化學習雖然強大,但訓練起來也很不穩定,經常崩潰。

字節在技術報告中提到 " 有時,兩次運行之間的分數差異可能高達 10 分 "。

針對這個問題,團隊提出了 VAPO 和 DAPO 兩個 RL 框架,分别從基于價值和無價值的 RL 範式出發來穩定訓練。

VAPO 和 DAPO 兩篇論文都已單獨發布。

此外,在 Seed-Thining-v1.5 中,還借鑑了之前學術界工作中的很多關鍵技術:

價值預訓練 ( Value-Pretraining ) ,保證價值網絡和策略網絡一致

解耦的 GAE ( Decoupled-GAE ) ,讓兩個網絡更獨立高效

長度自适應 GAE ( Length-adaptive GAE ) ,更好處理不同長度序列

解耦 PPO 損失 ( Clip-Higher ) ,為低概率 token 的增長創造,了更多空間鼓勵模型探索新方案

Token 級損失 ( Token-level Loss ) ,平衡每個 token 對訓練過程的影響。

正例增強 ( Postive Example LM Loss ) ,提高 RL 訓練過程中正樣本的利用效率,從而提高模型整體性能

RL 基礎設施

在 Long-CoT 生成過程中,字節團隊觀察到各種提示詞之間的響應長度差異較大,在生成過程中出現大量 GPU 空閒時間。

為了緩解長尾響應生成的滞後問題,提出了 SRS(流式 Rollout 系統),一種資源感知型調度框架,可戰略性地部署獨立的流式計算單元,将系統約束從内存綁定轉換為計算綁定。

為了有效地大規模訓練,團隊還設計了一個混合分布式訓練框架,集成高級并行策略、動态工作負載平衡和内存優化:

并行機制:将 TP (張量并行)/EP (專家并行)/CP (上下文并行)與全分片數據并行 (FSDP) 組合在一起,具體來說,将 TP/CP 應用于注意力層,将 EP 應用于 MoE 層。

序列長度平衡:DP 等級之間的有效序列長度可能不平衡,導致計算工作量不平衡和訓練效率低下。利用 KARP 算法在一個 mini-batch 内重新排列輸入序列,使它們在 micro-batch 之間保持平衡。

内存優化:采用逐層重新計算、激活解除安裝和優化器解除安裝來支持更大 micro-batch 的訓練,以覆蓋 FSDP 引起的通信開銷。

自動并行:為了實現最佳系統性能,開發了 AutoTuner 自動調整系統,按照基于配置檔案的解決方案 對内存使用情況進行建模。然後估計各種配置的性能和内存使用情況以獲得最優配置。

檢查點:使用 ByteCheckpoint 支持從不同的分布式配置中以最小的開銷恢復檢查點,彈性訓練以提高集群效率。

最終,在多項自動評估中,Seed-Thinking-v1.5 在 AIME 2024 基準測試中取得 86.7,與 OpenAI 的 o3-mini-high 模型的性能相當。但在最近的 AIME 2025 和 BeyondAIME 中,Seed-Thinking-v1.5 仍然落後于 o3 級别的性能。

對于 GPQA 任務,Seed-Thinking-v1.5 達到 77.3% 的準确率,接近 o3-mini-high 的性能。

在 Codeforces 等代碼生成場景中,Seed-Thinking-v1.5 的性能與 Gemini 2.5 Pro 的性能相當,但仍落後于 o3-mini-high。

Seed-Thinking-v1.5 在 SimpleQA 上的表現不太理想。但團隊認為,該基準測試預訓練模型規模的相關性更強,而不是考驗推理能力。

許多人看完這篇技術報告,都很感興趣,不過找了一圈也沒找到模型在哪發布。

從技術報告的口徑來看,該模型與目前豆包中的 Doubao-1.5 Pro 并不是一回事。

但從作者名單看,這是由字節 Seed 團隊負責人吳永輝帶隊,主要成員都參與的大項目。

那麼是否将來會部署到豆包 APP,可以期待一波了。

論文地址:

https://github.com/ByteDance-Seed/Seed-Thinking-v1.5/

一鍵三連「點贊」「轉發」「小心心」

歡迎在評論區留下你的想法!

—  完  —

不到一周!中國 AIGC 產業峰會觀眾正在火熱報名中  ‍♀️

全部嘉賓已就位   百度、華為、AWS、MSRA、無問芯穹、數勢科技、面壁智能、生數科技等十數位 AI 領網域創變者将齊聚峰會,讓更多人用上 AI、用好 AI,與 AI 一同加速成長~

4 月 16 日周三,就在北京,一起來深度求索 AI 怎麼用  

一鍵星标

科技前沿進展每日見

熱門排行
  • 王治郅:楊瀚森主要的問題是速度 他的速度跟不上現代籃球的節奏 王治郅:楊瀚森主要的問題是速度 他的速度跟 郟君昊 | 2025-05-05
  • 貿易戰燒進電影院:特朗普拟重稅打擊外國電影 逼好萊塢等回美拍片 貿易戰燒進電影院:特朗普拟重稅打擊外國電影 習又夏 | 2025-05-05
  • 貸款追高炒黃金的人後悔了!有人一天虧掉6年工資,賣掉舍不得,不賣扛不住 貸款追高炒黃金的人後悔了!有人一天虧掉6年 寸飛蘭 | 2025-05-05
  • 手機電池突破8000mAh?矽碳技術的回旋镖:「折壽」換容量 手機電池突破8000mAh?矽碳技術的回旋镖:「折 衛青柏 | 2025-05-05
  • 貸款追高炒黃金的人後悔了!有人一天虧掉6年工資,賣掉舍不得,不賣扛不住 貸款追高炒黃金的人後悔了!有人一天虧掉6年 繁綺文 | 2025-05-05
  • 任天堂對Genki提起Switch 2商标侵權訴訟,後者回應稱将嚴肅對待 任天堂對Genki提起Switch 2商标侵權訴訟,後 郜萌運 | 2025-05-05
  • 哪吒汽車APP和官網恢復正常 知情人士:之前斷網因流量欠費 哪吒汽車APP和官網恢復正常 知情人士:之前斷 袁曼雁 | 2025-05-05
  • 極越汽車 CEO 夏一平名下青島/義烏兩家公司被列入經營異常 極越汽車 CEO 夏一平名下青島/義烏兩家公司 集玲琳 | 2025-05-05
  • 全國經濟第一大省明确,推動組建農商聯合銀行 全國經濟第一大省明确,推動組建農商聯合銀行 佼昌翰 | 2025-05-05
  • 桑保利:亞馬爾有配合意識&有點像梅西 姆巴佩更專注進球&更像C羅 桑保利:亞馬爾有配合意識&有點像梅西 姆巴佩 甄正浩 | 2025-05-05
  • 高露現身上海虹橋機場 黑色外套點綴亮色愛心裝飾俏皮亮眼 高露現身上海虹橋機場 黑色外套點綴亮色愛 惠惠君 | 2023-05-02
  • 《歧路旅人2》:向光而生 《歧路旅人2》:向光而生 衛青柏 | 2023-05-02
  • vivo X90S曝光:處理器更新為天玑9200+ 安卓最強芯 vivo X90S曝光:處理器更新為天玑9200+ 安卓最 袁曼雁 | 2023-05-05
  • “懶癌”發病率上升,定期體檢别忽視 “懶癌”發病率上升,定期體檢别忽視 幸聽楓 | 2023-05-02
  • 宋慧喬獲百想視後 韓素希發圖手動加愛心表情慶祝 宋慧喬獲百想視後 韓素希發圖手動加愛心表 賁芳蕤 | 2023-05-02
  • 曹操墓,裡面都有啥? 曹操墓,裡面都有啥? 衛青柏 | 2023-05-02
  • 十年了,他們終于要HE! 十年了,他們終于要HE! 惠惠君 | 2023-05-07
  • 中央部署經濟工作,釋放5大信号 中央部署經濟工作,釋放5大信号 郜萌運 | 2023-05-02
  • 高德上線手機彎道會車預警功能 高德上線手機彎道會車預警功能 習又夏 | 2023-05-02
  • 陳自瑤抱病為愛女做蛋糕慶生,王浩信點贊沒露面 陳自瑤抱病為愛女做蛋糕慶生,王浩信點贊沒露 賁芳蕤 | 2023-05-02
  • 等比例長大的童星,李蘭迪算一個 等比例長大的童星,李蘭迪算一個 郟君昊 | 2023-05-02
  • 這些被抓來做實驗的流浪狗,最終拯救了無數糖尿病人 這些被抓來做實驗的流浪狗,最終拯救了無數糖 集玲琳 | 2023-05-02
  • 高端國產車:軍車血統,目前電動車越野的“天花板”? 高端國產車:軍車血統,目前電動車越野的“天花 謝飛揚 | 2023-05-02
  • 《雲襄傳》終于抬上來啦,男O女A讓人好上頭! 《雲襄傳》終于抬上來啦,男O女A讓人好上頭! 集玲琳 | 2023-05-02
  • 21家A股遊戲公司2022年收入651億 今年“遊戲+AI”能否逆風翻盤? 21家A股遊戲公司2022年收入651億 今年“遊 衛青柏 | 2023-05-04
  • 與周立波夫婦鬧糾紛成老賴,唐爽被司法拘留15日 與周立波夫婦鬧糾紛成老賴,唐爽被司法拘留15 寸飛蘭 | 2023-05-05
  • 信用風險釋放趨緩,結構性風險需重點關注 ——2023年一季度債市信用風險回顧與下階段展望 信用風險釋放趨緩,結構性風險需重點關注 — 袁曼雁 | 2023-05-02
  • 普京籤署總統令,批準對俄刑法典相關法條的修正案 普京籤署總統令,批準對俄刑法典相關法條的修 集玲琳 | 2023-05-02
  • 解除資格!停止一切合作 解除資格!停止一切合作 佼昌翰 | 2023-05-02
  • 中銀證券給予南京銀行增持評級 中銀證券給予南京銀行增持評級 袁曼雁 | 2023-05-03
  • 3699起 聯想小新mini主機上架 13代酷睿标壓處理器 3699起 聯想小新mini主機上架 13代酷睿标壓 習又夏 | 2023-05-05
  • 前董事長被免,天山生物全面進入“中植系”時代?股價曾在一月内暴漲超400% 前董事長被免,天山生物全面進入“中植系”時 惠惠君 | 2023-05-02
  • 瘋成這樣,怎麼還能被全網吹捧? 瘋成這樣,怎麼還能被全網吹捧? 郜萌運 | 2023-05-02
  • 狂吼11次“讓一下”!交警咆哮開道嘶吼到吐 狂吼11次“讓一下”!交警咆哮開道嘶吼到吐 寸飛蘭 | 2023-05-03
  • 摩根大通收購美國第一共和銀行 摩根大通收購美國第一共和銀行 謝飛揚 | 2023-05-02
  • 台劇赢麻了,又來一部8.9 台劇赢麻了,又來一部8.9 衛青柏 | 2023-05-02
  • 下降45分,上漲35分!34所自劃線院校復試分數線漲幅匯總 下降45分,上漲35分!34所自劃線院校復試分數線 袁曼雁 | 2023-05-07
  • 事關農村土地承包和農民權益,《農村土地承包合同管理辦法》5月1日起施行 事關農村土地承包和農民權益,《農村土地承包 郟君昊 | 2023-05-02
  • "三高"已盯上青少年,做好這件事是關鍵 "三高"已盯上青少年,做好這件事是關鍵 習又夏 | 2023-05-05
  • 五一檔沒一個能打的 五一檔沒一個能打的 集玲琳 | 2023-05-05
  • 恐怖韓劇下神壇,這次膽小可入 恐怖韓劇下神壇,這次膽小可入 袁曼雁 | 2023-05-05
  • 這劇是不是用ChatGPT寫的呀? 這劇是不是用ChatGPT寫的呀? 惠惠君 | 2023-05-02
  • 200戶連夜疏散,原因讓人憤怒!“損失超一億”,官方通報 200戶連夜疏散,原因讓人憤怒!“損失超一億”, 袁曼雁 | 2023-05-03
  • 性騷擾慣犯,滾出娛樂圈 性騷擾慣犯,滾出娛樂圈 謝飛揚 | 2023-05-05
  • 48歲何炅自曝已老花眼,黃磊睡前認老,《向往的生活》證實将停辦 48歲何炅自曝已老花眼,黃磊睡前認老,《向往的 佼昌翰 | 2023-05-02
  • 一個《長月燼明》倒了,《狐妖》《長相思》《與鳳行》…在路上了 一個《長月燼明》倒了,《狐妖》《長相思》《 惠惠君 | 2023-05-02
  • 張天愛假期曬“酷”存照 卷發披肩穿黑色吊帶裙大秀好身材 張天愛假期曬“酷”存照 卷發披肩穿黑色吊 嬴覓晴 | 2023-05-02
  • 當年輕人開始不随份子錢 當年輕人開始不随份子錢 袁曼雁 | 2023-05-02
  • 畢滢用8年時間成功逼宮?曾被傳已婚生子的她,不容小觑 畢滢用8年時間成功逼宮?曾被傳已婚生子的她, 幸聽楓 | 2023-05-03
  • 宋慧喬獲視後首次曬照,拿獎杯笑容溫柔 宋慧喬獲視後首次曬照,拿獎杯笑容溫柔 郜萌運 | 2023-05-02

©2022 大酷樂 版權所有

隱私政策 | 服務條款 | 聯繫我們