微软近日在AI领域取得重大突破，开源了一款名为rStar2-Agent的智能推理模型。该模型仅用140亿参数，就在AIME24数学推理测试中达到80.6%的准确率，远超拥有6710亿参数的DeepSeek-R1（79.8%），这一表现颠覆了传统认知中”参数规模决定性能”的定律。
更令人瞩目的是，rStar2-Agent在多个领域展现出全面优势。在GPQA-Diamond科学推理测试中，它以60.9%的准确率领先DeepSeek-V3的59.1%；在BFCL v3工具使用任务中，其60.8%的完成率同样高于对手的57.6%。这些数据证明，该模型具备出色的跨任务泛化能力。
微软的技术创新是这一突破的关键。首先，他们开发了高效的隔离式代码执行服务，支持每秒4.5万次并发工具调用，平均延迟仅0.3秒。其次，创新的GRPO-RoC算法通过优化奖励机制，显著提升了推理效率。最后，”非推理微调+多阶段强化学习”的训练流程，确保了模型能力的阶梯式提升。
这一成果不仅为AI Agent研究开辟了新方向，更预示着未来AI发展可能不再依赖参数堆砌，而是通过算法优化实现质的飞跃。随着rStar2-Agent的开源，整个行业将迎来新一轮技术革新。
原创文章，作者：Microsoft，如若转载，请注明出处：https://www.kejixun.co/article/733189.html
