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

清華耶魯推理模型新範式:動态推理實現高效測試時擴展,大大節省Token消耗

2025-04-08 简体 HK SG TW

今天小編分享的科學經驗:清華耶魯推理模型新範式:動态推理實現高效測試時擴展,大大節省Token消耗,歡迎閱讀。

推理性能提升的同時,還大大減少 Token 消耗!

清華、耶魯團隊提出推理模型新範式:動态推理實現高效測試時擴展。

測試時擴展(test-time scaling)技術加速推動了大語言模型在復雜推理領網域的突破。

以 OpenAI 的 o1 系列、DeepSeek-R1 等模型為代表,這些系統通過強化學習和大規模思維鏈(CoT)軌迹訓練,在數學證明、編程競賽等任務中展現出接近人類專家的水平。

例如,DeepSeek R1 在 MATH500 數學基準上達到 97.3% 的準确率,其核心在于允許模型在推理時動态擴展計算資源——生成更長的思維軌迹意味着更高的解題成功率。

然而,這種" 以計算換性能 "的策略帶來了顯著的效率代價。

現有方法通常強制分割上下文視窗:模型必須在前半段完成完整推理(如 R1 采用…分隔符),即使面對簡單問題也需消耗很大一部分的思考 tokens(thinking tokens)。

更嚴重的是,部分模型在復雜問題上會出現" 過度思考 "(overthinking)現象:生成冗餘的循環推理步驟卻無法提升準确率。論文中揭示,直接截斷超過 4096 tokens 的思考過程可能導致 DeepSeek-R1 性能下降 12.7%,這暴露了當前方法在效率與效果間的根本矛盾。

△(a ) 與傳統長思考模型相比,Z1 的動态思考視窗可以節省大量思考 token,達到高效推理性能 ( b )

針對這一挑戰,來自清華、耶魯團隊基于純代碼數據訓練了一個高效思考模型,其具有天然的動态推理能力,可根據問題難度高低生成不同長度的推理軌迹,同時搭配可調節的思考視窗,使得模型可以在預先設定的推理預算下實現高效的推理思考。

Z1:動态推理實現高效測試時擴展

本文的主要創新在于兩個層面:

1、數據層面:構建 Z1-Code-Reasoning-107K 數據集

作者創建了一個包含 10.7 萬條編程問題及其長短思維軌迹的數據集 Z1-Code-Reasoning-107K。通過 QwQ-32B 模型生成原始軌迹後,逐步提高推理等級,使其保留從 " 直接求解 " 到 " 多步推導 " 的連續復雜度分布。這種數據設計确保了模型在訓練過程中能夠接觸不同復雜度的推理軌迹,從而提升其在實際任務中的适應能力。在此數據集上訓練得到的 Z1 模型具備天然的動态推理能力,并且可遷移至數學等代碼以外的推理任務。

2、機制層面:設計動态思考視窗(Shifted Thinking Window)

作者抛棄了硬性分隔符約束,設計了Shifted Thinking Window機制。對于簡單問題(如 BigCodeBench-Hard 中的基礎函數實現),模型自動觸發弱推理模式,可直接輸出答案;當遇到 GPQA 鑽石級難題時,則自動啟用強推理模式,在 max thinking tokens 阈值内自由推導并給出結果,如果思考超限則自動追加提示短語引導輸出答案。

二者結合,使 Z1 模型具備動态思考能力和預算調整能力,在使用較少 thinking tokens 的同時,保持較高的基準準确率,實現高效動态的推理。

△Z1 方法的數據構建、訓練與動态思考範式實驗結果多個 benchmark 上的實驗結果

實驗證明,該方法在效率 - 效果平衡上實現顯著提升。

在包含 880 道競賽編程題的 LiveCodeBench v5 測試中,Z1-7B 以 35.3% 準确率明顯超過其他開源 7B 思考模型,且平均思考 token 大大降低(R1-Distill-Qwen-7B 需要四倍以上思考 token 才能達到相同性能)。

此外,僅使用代碼軌迹訓練也使模型在數學推理任務上的性能提升,例如在 GPQA 鑽石級科學難題上,Z1-7B 以 47.5% 準确率超越原始 Qwen2.5-Coder-7B(37.4%)10.1 個百分點,同時減少 28% 的 tokens 消耗,揭示了此高效推理能力的泛化性。

Test-Time Scaling Evaluation

在三個推理 benchmark 上的測試時擴展實驗可以看到,僅在代碼的推理數據上微調後的 Z1-7B 在代碼之外的任務上也實現了 Test-time scaling 的能力。

同時,相較于 R1-Distill-Qwen-7B,Z1-7B 的都能以更短的平均思考長度獲得更高的分數,體現其高效的測試時擴展能力。

這項研究證明,通過多樣性思考軌迹的混合訓練和動态計算資源分配,大模型能夠突破 " 暴力計算 " 的局限,自适應地在不同難度的任務中使用不同級别的推理時計算資源;同時這個模型也将非推理模型與長推理模型進行統一,為大型推理模型在高效思考方面的發展提供了重要的貢獻。

論文鏈接:  https://arxiv.org/abs/2504.00810

代碼鏈接:  https://github.com/efficientscaling/Z1

模型鏈接:  https://huggingface.co/efficientscaling/Z1-7B

數據鏈接:  https://huggingface.co/datasets/efficientscaling/Z1-Code-Reasoning-107K

一鍵三連「點贊」「轉發」「小心心」

歡迎在評論區留下你的想法!

—  完  —

學術投稿請于工作日發郵件到:

[email protected]

标題注明【投稿】,告訴我們:

你是誰,從哪來,投稿内容‍

附上論文 / 項目主頁鏈接,以及聯系方式哦

我們會(盡量)及時回復你

點亮星标

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