IXThinker·2025-02-07 17:50

千條樣本配預算強制，s1揭測試時擴展

大模型推理性能的提升未必只能靠堆數據、加算力。李飛飛等研究者僅用1000個樣本微調模型，並提出預算強制（budget forcing）技術，讓推理能力隨測試運算量增加而提升，s1-32B在多項基準測試中超越o1-preview。

樣本效率驚人

OpenAI o系列以大規模強化學習聞名，DeepSeek-R1亦動用數百萬樣本與多階段訓練。s1團隊反其道而行，僅以1000條精選樣本微調，便成為目前最具樣本效率的推理模型之一。