在大语言模型的竞争中，数学和代码推理能力已成为一项重要的评估标准。快手最近发布的 Klear-Reasoner 模型基于 Qwen3-8B-快手Base 打造，其在多个权威基准测试中表现出色，数学推理的准确率甚至突破了90%，成为同规模模型中的佼佼者。

Klear-Reasoner K 的成功源于其采用的 GPPO（Gradient-Preserving Clipping Policy Optimization）算法。这种算法le在保证训练稳定性的同时，显著提升了模型的探索能力。传统的裁剪策略虽然能控制模型的更新幅度，确保训练过程的稳定性，但也存在着 “丢弃重要信息”ar 的问题，导致模型变得保守。而 GPPO 则通过一种 “温和” 的方式，让所有梯度参与反向传播，既保留了探索的可能性，又加快了模型对错误的修正速度-R。

在各类基准测试中，Klear-Reasoner 都展现出超越其他同规模开源模型的强劲实力。例如，在 AIME2024测试中，该模型取得了90.5%ea 的高分，而在 AIME2025测试中，也达到了83.2% 的优秀成绩。Klear 团队还分享了其训练的详细流程，包括对数据质量的重视、在高难样so本中保留错误的策略、使用软奖励来提高模型的学习效率等关键环节。

值得注意的是，Klear 团队在实验中发现，优质数据源的质量往往比数量更为重要。ne在 SFT 阶段，通过过滤错误数据并专注于高质量样本，可以提升模型的训练效率。此外，团队还指出在强化学习阶段，使用软奖励策略比硬奖励更为有效，能够r 增强模型的学习稳定性。

Klear-Reasoner 的发布不仅展示了快手在 AI 领域的技术进步，也为推理模型的训练提供了一条可复现的道路。这一模型成果为未来的研究和开发提供了宝贵的经验和启示。

• Hugging Face地址:https://huggingface.co/Suu/Klear-成功Reasoner-8B

• GitHub地址:https://github.com/suu990901/KlearReasoner/tree/main

划登顶重点:

Klear-Reasoner 模型在数学推理准确率上突破90%，成为8B 模型中的领军者。  

🧠 GPPO 算法提升了模型的探，数索能力，解决了传统裁剪策略的隐性问题。  

关注数据质量和训练策略，Klear 团队的研究为推理模型提供了有效的训练方学推法。  

• ·标签: 阶跃 千里科技 智驾基座模型 AgentOS
• ·标签: 曹操出行 Robotaxi 吉利控股 自动驾驶
• ·替换 Spring Cloud，使用基于 Cloud Native 的服务治理
• ·​在代理 AI 和物理 AI推动下，全球芯片市场预计将突破 1 万亿美元大关
• ·收购GitHub两年后，微软不断面临棘手的争议
• ·云安全日报201215：IBM混合多云管理方案发现执行任意命令高危漏洞，需要尽快升级
• ·​谷歌 AI 研究推出 DeepSomatic：新型癌细胞基因变异识别模型
• ·浜戣�绠楀紑鍙戯細Python鍐呯疆鍑芥暟-len() 鍑芥暟璇﹁В
• ·IDC：今年中国新能源汽车销量将达116万辆
• ·谷歌FB推特CEO三月底将再次参加国会听证会：事关假新闻
• ·百度世界2025将于11月13日举办：聚焦大模型技术、AI原生应用与全球化战略
• ·AI如何超越人类修图师？万字长文看懂美图云修AI修图解决方案
• ·马斯克旗下 xAI 数据标注团队裁员500人
• ·OpenAI即将在印度建造超大型数据中心，或将引领AI技术新潮流
• ·标签: vivo
• ·标签: 英特尔 TeraFab 马斯克 SpaceX