用上这个开源框架情趣做爱，2 天时候就能刷新 7B 数学推理记载！

蚂蚁清华联手开源的强化学习框架AReaL-boba，径直把推理模子教授带到了 Next Level ——

教授资本下落的同期，教授速度、推理才能还大幅升迁的那种。

除了前边提到的 7B 模子，在 32B 模子上，只需两百好意思元、200 条数据，就不错大肆复现QwQ-32B，即是阿谁。

况且开源的内容至极全面，不仅仅仅模子，系数教授代码，数据，模子参数以及教授细节都通通开源了，还有超等详备的时刻条记不错看，嗅觉像是被时刻团队手把手指令。

一个时刻小白也高手搓一个顶尖大模子了。

AReaL-boba，东说念主东说念主可复现 QwQ

AReaL，Ant Reasoning RL，是 Ant Research RL Lab 等开源的高效强化学习系统。在此基础之上，该版块取名为boba，是因为团队但愿 AReaL 像珍珠奶茶一样让强化学习普惠系数这个词社区，让路发者不管资源限制均可触达 SOTA 效果。

通过开源一皆代码、数据与模子参数，AReaL-boba 在教授遵循、推理才能与资本甩掉上达成三重险阻。

开端是教授遵循上的升迁，全面集成 SGLang 推理框架。

AReaL-boba 是首个拥抱SGLang 的开源教授系统，大幅优化教授糊涂性能。

（SGLang 是一个 xAI 公司继承的面向复杂言语模子的高性能推理框架，它通过共同联想后端运行时和前端言语，让模子交互更快、更可控。市面上主流模子和企业都已大限制部署，每天产生数万亿个 token）

对比原始版块，在 1.5B 模子尺寸上糊涂升迁 35%，7B 模子升迁 60%，32B 模子升迁 73%。

况且无缝适配多样诡计资源，既撑抓单机，也撑抓大限制分散式教授，险阻传统 RL 教授资源瓶颈。

在大限制分散式教授遵循上有显赫的升迁，一个直不雅的例子：

128 卡集群 1 天完成 1.5B 模子教授，256 卡 2 天完成 7B 模子教授。

这么一来，中小团队也能在有限算力下快速迭代模子，实在达成"东说念主东说念主可独霸强化学习"。

其次，推理才能大幅升迁，尤其 7B 模子性能断层率先。

面前最磨真金不怕火推理模子才能的情趣做爱，无疑是它在数学推理范围的发挥。

在这一范围中，AReaL-boba 基于Qwen-R1-Distill-7B模子，通过大限制强化学习教授，仅用 2 天即达成 SOTA 水平——

AIME 2024 61.9 分，AIME 2025 48.3 分，比拟于 o1-preview 亦然大幅率先。

相较于基础模子 Qwen-R1-Distill-7B，使用 AReaL-boba 后模子推理才能也有不少升迁——

分别在 AIME2024、AIME2025 升迁 6.9、8.6 分。

而思设施有这么一个 SOTA 级别的推理模子并不难，团队不仅把能开源的都开源了，还有超等详备的时刻条记奉上。

团队不仅开源了推理模子，也开源了系数系数教授数据 AReaL-boba-106k，以及一皆的教授剧本和评估剧本，保证东说念主东说念主不错复现。

而进程中遭逢问题也无须牵挂，在样子官方仓库上，AReaL 团队也放出了极其详备的时刻条记，归来了多数教授中的要津点，包括 PPO 超参数、奖励函数开发、正则化开发、长度上限开发等等。

刷新小模子推理上限的同期，也通逾期刻透明化股东立异生态。

像我这么一个时刻小白，盘问一下也高手搓个小模子出来。

终末，使用立异性蒸馏时刻，极简数据复现顶尖模子。

前段时候，QwQ-32B 横空出世，其普遍的推感性能激励诸多包涵。

它在数学推理、编码才能和一般问题责罚才能上，跳动了一众率先模子，包括 DeepSeek-R1-Distilled-Qwen-32B、DeepSeek-R1-Distilled-Llama-70B、o1-mini 和原始 DeepSeek-R1。

当今 AReaL-boba 推出超精简教授决议，径直把 32B 大模子教授的所需资本给打下来。

数据上头，仅需 200 条数据的 AReaL-boba-200 数据集。

使用 Qwen-32B-Distill 基础模子，通过轻量级 SFT 时刻即可复现 QwQ-32B 的 AIME2024 效果。

系数这个词诡计资本，仅需 200 好意思元。

这一立异让顶级推理才能的教授门槛从"执行室专享"降为"东说念主东说念主可及"，草创了少许据驱动大模子的新范式。

首个齐全开源的团队

AReaL 团队的中枢成员均来自于蚂蚁盘问院强化学习执行室以及清华交叉信息盘问院吴翼敦朴团队。

上个月，他们入手版块针对 1.5B 和 7B 推理模子优化，比如借助 AReaL 使用 RL 教授 1.5B 蒸馏模子，在 40 小时内超过 o1-Preview 的数学推理才能。

相似也给出了详备的教授细节。

行动国内第一个齐全开源（数据、代码、模子、剧本全开源）的样子团队，他们默示费力于实在达成 AI 教授的普惠。

其实从这次 boba 版块的发布也能看出，通过开源通达，让 AI 教授成为社鉴识享的基础才略。其三大时刻险阻（极速教授、推理登顶、低资本复现）造成的时刻飞轮，股东强化学习大限制教授的发展。

在样子列表中，他们也揭示了后续的开源策动和主义——

包括异步教授，更快的教授糊涂，更好的数据集和算法，以及代码和 Agent 智能体才能的撑抓。

亦然十分期待了。

实质上，蚂蚁的 AI 研发也至极值得包涵，后果 SOTA，场景自然，居品如祖国民级的。

样子联贯：

https://github.com/inclusionAI/AReaL

HuggingFace 数据模子地址：

https://huggingface.co/collections/inclusionAI/areal-boba-67e9f3fa5aeb74b76dcf5f0a

一键三连「点赞」「转发」「注意心」

宽待在挑剔区留住你的思法！

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见情趣做爱