热点

快手 Klear-Reasoner 模型成功登顶,数学推理准确率超 90%

字号+ 作者:牛骥同槽网 来源:财务信息 2026-11-23 我要评论(0)

快手 Klear-Reasoner 模型成功登顶,数学推理准确率超 90%

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 的成 K功源于其采用的 GPPO(Gradient-Preserving Clipping Policy Optimization)算法。这种算法在保证训练稳le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” 的问题,ar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。

在各类基-R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% 的高分,ea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、在高难样本中保留so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。在 SneFT 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r 够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。这模型一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/m登顶ain

划重点:

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,数模型的探索能力,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学推训练方法。  

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • AI技术加入数据中心节能新战场

    AI技术加入数据中心节能新战场

    2026-08-30

  • Spark性能调优-RDD算子调优篇

    Spark性能调优-RDD算子调优篇

    2026-08-07

  • 贝叶斯深度学习:一个统一深度学习和概率图模型的框架

    贝叶斯深度学习:一个统一深度学习和概率图模型的框架

    2026-11-16

  • AI视频革命!Grok Imagine v0.9一键变身“电影导演”,上传图片秒出带唱带跳大片

    AI视频革命!Grok Imagine v0.9一键变身“电影导演”,上传图片秒出带唱带跳大片

    2026-06-30

网友点评