新闻资讯8
微软Phi-4推理模型表现出色
新智元
AI 摘要
微软推出的Phi-4推理模型系列参数小但性能强，在数学推理等任务中表现出色，结合监督微调与强化学习训练，展示了小模型在特定任务中媲美甚至超越大型模型的可能性。
阅读原文 · 新智元
DeepSeek-R2尚未问世，微软小模型捡漏称王？6000样本炼出「数学作弊器」！
微软推出Phi-4推理模型系列，参数最多14B，能在本地高性能笔记本电脑上流畅运行。Phi-4-mini-reasoning在数学推理上性能超越DeepSeek-R1蒸馏模型，且参数规模更小。文章还介绍了模型特点、训练方法、性能表现及局限性等。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
开源动态8
港科大微软联合开源AI情商教练SocialCoach
香港科技大学（广州）与微软亚洲研究院联合开源基于大语言模型的AI情商教练SocialCoach，支持用户在低风险模拟环境练习社交对话，练后提供逐字点评，可在线体验或本地部署，采用Apache 2.0协议可完全商用。
开源星探
算法论文9
对错之外，推理轨迹暗藏训练价值
本文结合EchoRL、ReflectRL两项最新研究，重新解读推理轨迹的训练价值，解决全答对无强化信号、错题全丢弃的训练痛点，梳理方法设计、实验结果与适用边界，为大模型推理训练提供新参考。
深度学习自然语言处理
算法论文8
小偏差为何带偏大模型RL训练
本文解读Together AI的新算法论文，讲解大模型强化学习中，采样端与训练端的微小偏差如何累积放大导致训练跑偏，介绍Score Centering校正方法的原理、效果与应用边界。
深度学习自然语言处理
开源动态9
小米6天烧2000万拿下开源第一大模型
本文报道小米开启史无前例的大模型训练直播，6天花费约2344万元完成MiMo-V2.6系列强化学习训练，训练出的MiMo-V2.6-Pro登顶开源大模型第一，全套技术资源全部开源，引发AI行业热议。
量子位