北京大學(xué)楊仝教授團(tuán)隊(duì)近期發(fā)布了其在高效大型語(yǔ)言模型研究方向的一項(xiàng)新成果——FairyR1-32B模型。該模型基于DeepSeek-R1-Distill-Qwen-32B基座，通過(guò)結(jié)合微調(diào)與模型合并技術(shù)構(gòu)建。研究探索了在參數(shù)量大幅減少的情況下，模型在特定任務(wù)上實(shí)現(xiàn)與更大模型相當(dāng)甚至更優(yōu)性能的可能性。該研究得到了國(guó)家自然科學(xué)基金委項(xiàng)目(624B2005, 62372009)的資助。FairyR1-32B模型已在huggingface開源：http://www.sanwutuku.cn/uploadfile/pic2020/2025/0526/2025052611013134G>

FairyR1-32B模型是在團(tuán)隊(duì)前期TinyR1工作基礎(chǔ)上進(jìn)行的進(jìn)一步探索，沿用了“分合蒸餾”的研究思路，提出了多種改進(jìn)方法，包括自我合并、多教師交叉蒸餾、輕蒸餾等方法，并在數(shù)據(jù)處理進(jìn)行了優(yōu)化，模型精度有了顯著提升。

本次工作重點(diǎn)改進(jìn)了蒸餾數(shù)據(jù)的構(gòu)建流程，對(duì)來(lái)源于AI-MO/NuminaMath-1.5(數(shù)學(xué))和open-thoughts/OpenThoughts-114k(代碼)等數(shù)據(jù)集的原始數(shù)據(jù)，通過(guò)多個(gè)“教師模型”生成答案，隨后對(duì)問(wèn)答數(shù)據(jù)進(jìn)行精心篩選、結(jié)構(gòu)調(diào)整與思維鏈優(yōu)化，并進(jìn)行多階段篩選。篩選過(guò)程包括基于答案的正確性驗(yàn)證(針對(duì)數(shù)學(xué)數(shù)據(jù))，以及基于長(zhǎng)度的篩選(數(shù)學(xué)數(shù)據(jù)保留2k-8k tokens范圍，代碼數(shù)據(jù)保留4k-8k tokens范圍)，最終構(gòu)建了更具針對(duì)性的約6.6k條數(shù)學(xué)數(shù)據(jù)和約3.8k條代碼數(shù)據(jù)用于訓(xùn)練。

在模型結(jié)構(gòu)方面，研究團(tuán)隊(duì)嘗試訓(xùn)練兩個(gè)領(lǐng)域(數(shù)學(xué)和代碼)的專業(yè)模型進(jìn)行合并，旨在進(jìn)一步優(yōu)化流程和資源消耗。這兩個(gè)專業(yè)模型在一致的訓(xùn)練參數(shù)下(例如相同的學(xué)習(xí)率和批次大小)獨(dú)立訓(xùn)練約5個(gè)周期后，利用AcreeFusion工具進(jìn)行了合并。在多個(gè)公開基準(zhǔn)測(cè)試中，F(xiàn)airyR1展現(xiàn)出了在低參數(shù)量下的競(jìng)爭(zhēng)力表現(xiàn)。以下為FairyR1與DeepSeek-R1-671B及DeepSeek-R1-Distill-Qwen-32B在部分基準(zhǔn)上的得分對(duì)比：

從測(cè)試結(jié)果可以看出，F(xiàn)airyR1-32B在AIME 2025和LiveCodeBench基準(zhǔn)上得分略高于DeepSeek-R1-671B，在AIME 2024上表現(xiàn)接近。在GPQA-Diamond科學(xué)基準(zhǔn)上，F(xiàn)airyR1的得分低于DeepSeek-R1-671B。這些結(jié)果表明，F(xiàn)airyR1在采用DeepSeek-R1-Distill-Qwen-32B基座并經(jīng)過(guò)特定技術(shù)處理后，能夠在約5%參數(shù)量的情況下，在數(shù)理和編程等領(lǐng)域?qū)崿F(xiàn)與大型模型相當(dāng)或略優(yōu)的性能水平，但在科學(xué)等其他領(lǐng)域可能存在差距。這項(xiàng)工作探索了通過(guò)優(yōu)化的數(shù)據(jù)處理和模型融合技術(shù)，在保證特定任務(wù)性能的前提下，大幅降低模型規(guī)模和潛在推理成本的可能性。

北京大學(xué)楊仝教授團(tuán)隊(duì)表示：“FairyR1-32B模型是我們探索高效大型語(yǔ)言模型技術(shù)路線的階段性成果。通過(guò)對(duì)蒸餾和合并方法的改進(jìn)，我們初步驗(yàn)證了在有限資源下實(shí)現(xiàn)高性能模型的可行性。”

團(tuán)隊(duì)成員：李旺、周俊廷、劉文睿、姚一倫、王融樂、楊仝

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。