IT之家 4 月 14 日音问体育游戏app平台，IT之家从豆包大模子团队获悉，字节高出最新念念考模子 Seed-Thinking-v1.5 时代细节本日公开，该模子将于 4 月 17 日通偏执山引擎敞开接供词用户体验。
该模子在数学、编程、科学推理等专科界限及创意写稿等通用任务中阐扬隆起，同期，模子罗致 MoE 架构，总参数 200B，激活参数为 20B，具备显耀的推理资本上风，单元推理资本比较 DeepSeek R1 缩短 50%。
时代敷陈联接：https://github.com/ ByteDance-Seed / Seed-Thinking-v1.5
模子各方面具体阐扬：
专科界限：数学推理（AIME 2024 得分 86.7，追平 OpenAI o3-mini-high）、编程竞赛（Codeforces pass@8 达 55.0%，接近 Gemini 2.5 Pro）、科学推理（GPQA 得分 77.3%，接近 o3-mini-high），均达到或接近业界第一梯队水平。
通用任务：东谈主类评估阐扬超 DeepSeek R1 8%，遮蔽多场景需求。
资本上风：单元推理资本比较 DeepSeek R1 缩短 50%，完结性能与后果的平衡。
数据体系：会通可考据与创意性数据
针对推理与生成任务的不同需求，团队优化了数据处理计谋：
可考据数据（如数学、代码题）：通过百万级数据三重清洗（东谈主工筛选 → 模子过滤 → 多模子考据），保留 10 万谈高难度题目；筹算谜底整数化篡改、离线沙箱考据等机制，确保模子输出信得过推理历程；
非可考据数据（如创意写稿）：基于豆包 1.5 Pro 查考集，剔除廉价值样本，罗致两两对比奖励法，优化生成质地；
全新评测基准：构建了超难数学数据集 BeyondAIME（100 谈无谜底题干题目），处理现存测试分手度不及问题。
奖励模子：双轨体系校准查科场合
团队建议双轨奖励机制，兼顾“对错分明”与“见仁见智”任务：
可考据任务：成就了两代考据器（Seed-Verifier → Seed-Thinking-Verifier），从字符匹配升级为推理技艺逐行对比（查考 / 测试集准确率超 99%），阻绝模子“奖励骗取”；
非可考据任务：引入 pairwise 对比查考，通过千万次“AB 测试”，捕捉东谈主类对创意、心思等的隐性偏好，幸免“众口难调”；
双轨会通：针对搀杂场景筹算合营机制，硬主见（对错）与软偏好（优劣）互补，复古全场景查考。
查考步履：“监督精调 + 强化学习”双阶段优化
Seed-Thinking-v1.5 罗致“打基础 + 磨智商”的全链路查考：
监督精调（SFT）：基于 40 万高质地实例（30 万可考据 +10 万非可考据数据），联接东谈主工与模子协同筛选，构建长念念考链数据集，确保模子“像东谈主类通常念念考”；
强化学习（RL）：通过三重数据引擎（可考据 / 通用 / 搀杂数据）、算法立异（价值预查考、解耦 GAE 等）以及在线数据适配时代，处理查考不相识、长链推理断层等问题，动态治疗数据散播以保捏最好查考景色。
查考框架：复古 20B MoE 的底层架构
为应付 20B MoE（总参数 200B）的复杂查考需求，团队优化了底层架构：
HybridFlow 编程模子：支捏算法快速探索与散播式并活起初；
流式推理系统（SRS）：通过“流式推理”时代解耦模子演进与异步推理，将查考速率擢升 3 倍，万亿参数下相识性达 95%；
三层并行架构：联接张量 / 群众 / 序列并行体育游戏app平台，动态平衡负载，基于 KARP 算法优化 GPU 算力愚弄率。
告白声明：文内含有的对外跳转联接（包括不限于超联接、二维码、口令等形态），用于传递更多信息，省俭甄选时代，适度仅供参考，IT之家总计著作均包含本声明。 ]article_adlist--> 声明：新浪网独家稿件，未经授权不容转载。 -->