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%，成功超越了软推拥有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。

除了数学推出新理任务的优秀成绩，rStar2-Agent 在其他领域的表现同样引人注目。在 GPQA-Diamond 科学推理基准测试中，型 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，其任务完成率达到60AI.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能 A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nt了新的 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 rS型 tar2-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:/rS/github.com/microsoft/rStar

划重点:

rStar2-Agent 模型仅有140亿参数，但在数学推理测试中ta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，r2确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。

• ·标签: 联想集团 Infinidat 企业级存储 AI数据基础设施
• ·阿里云Qwen大模型可解决中企出海缺小语种人才难题
• ·标签: 英特尔 OpenAI 卡蒂 人工智能
• ·芋头和红薯哪个热量高
• ·5分钟了解Docker原理之二，最简单的Cgroups介绍！
• ·标签: 亚马逊 贝丝·加莱蒂 安迪·贾西 Amazon Go
• ·标签: 奇瑞墨甲 芜优智警 机器人交警 警务机器人
• ·Tahoe Bio重磅发布Tahoe-x1模型，AI“解码”生命语言，癌症研究迎来计算效率革命
• ·大脑模拟NLP，高德纳奖得主：神经元集合演算用于句子解析
• ·谷歌员工组建全球工会联盟
• ·法院正式判决，小米移出军事清单：正式撤销了对小米公司的全部限制
• ·iPhone X海外发生爆料事件，造成二度烧伤，当事者已起诉苹果
• ·什么食物对脑梗有好处
• ·标签: 赛力斯 营业收入 净利润
• ·云安全日报210315：Ubuntu配套Python发现执行任意代码漏洞,需要尽快升级
• ·标签: 格力空调 海信空调 真铜实料 铝代铜