只用5%的參數(shù)，數(shù)學(xué)和代碼能力竟然超越滿血DeepSeek？

北京大學(xué)楊仝教授團隊近期發(fā)布了其在高效大型語言模型研究方向的一項新成果——FairyR1-32B模型。

該模型基于DeepSeek-R1-Distill-Qwen-32B基座，通過結(jié)合微調(diào)與模型合并技術(shù)構(gòu)建。

研究探索了在參數(shù)量大幅減少的情況下，模型在特定任務(wù)上實現(xiàn)與更大模型相當(dāng)甚至更優(yōu)性能的可能性。

以上模型已在Huggingface開源。

模型地址：https://huggingface.co/PKU-DS-LAB/FairyR1-32B

FairyR1-32B模型解析

FairyR1-32B模型是在團隊前期TinyR1工作基礎(chǔ)上進行的進一步探索，沿用了“分合蒸餾”的研究思路，提出了多種改進方法，包括自我合并、多教師交叉蒸餾、輕蒸餾等方法，并在數(shù)據(jù)處理進行了優(yōu)化，模型精度有了顯著提升。

本次工作重點改進了蒸餾數(shù)據(jù)的構(gòu)建流程，對來源于AI-MO/NuminaMath-1.5（數(shù)學(xué)）和open-thoughts/OpenThoughts-114k（代碼）等數(shù)據(jù)集的原始數(shù)據(jù)，通過多個“教師模型”生成答案，隨后對問答數(shù)據(jù)進行精心篩選、結(jié)構(gòu)調(diào)整與思維鏈優(yōu)化，并進行多階段篩選。

篩選過程包括基于答案的正確性驗證（針對數(shù)學(xué)數(shù)據(jù)），以及基于長度的篩選（數(shù)學(xué)數(shù)據(jù)保留2k-8k tokens范圍，代碼數(shù)據(jù)保留4k-8k tokens范圍），最終構(gòu)建了更具針對性的約6.6k條數(shù)學(xué)數(shù)據(jù)和約3.8k條代碼數(shù)據(jù)用于訓(xùn)練。

在模型結(jié)構(gòu)方面，研究團隊嘗試訓(xùn)練兩個領(lǐng)域（數(shù)學(xué)和代碼）的專業(yè)模型進行合并，旨在進一步優(yōu)化流程和資源消耗。

這兩個專業(yè)模型在一致的訓(xùn)練參數(shù)下（例如相同的學(xué)習(xí)率和批次大小）獨立訓(xùn)練約5個周期后，利用AcreeFusion工具進行了合并。

實驗結(jié)果

在多個公開基準測試中，F(xiàn)airyR1展現(xiàn)出了在低參數(shù)量下的競爭力表現(xiàn)。以下為FairyR1與DeepSeek-R1-671B及DeepSeek-R1-Distill-Qwen-32B在部分基準上的得分對比：

從測試結(jié)果可以看出，F(xiàn)airyR1-32B在AIME 2025和LiveCodeBench基準上得分略高于DeepSeek-R1-671B，在AIME 2024上表現(xiàn)接近。在GPQA-Diamond科學(xué)基準上，F(xiàn)airyR1的得分低于DeepSeek-R1-671B。

這些結(jié)果表明，F(xiàn)airyR1在采用DeepSeek-R1-Distill-Qwen-32B基座并經(jīng)過特定技術(shù)處理后，能夠在約5%參數(shù)量的情況下，在數(shù)理和編程等領(lǐng)域?qū)崿F(xiàn)與大型模型相當(dāng)或略優(yōu)的性能水平，但在科學(xué)等其他領(lǐng)域可能存在差距。

這項工作探索了通過優(yōu)化的數(shù)據(jù)處理和模型融合技術(shù)，在保證特定任務(wù)性能的前提下，大幅降低模型規(guī)模和潛在推理成本的可能性。

北京大學(xué)楊仝教授團隊表示：“FairyR1-32B模型是我們探索高效大型語言模型技術(shù)路線的階段性成果。通過對蒸餾和合并方法的改進，我們初步驗證了在有限資源下實現(xiàn)高性能模型的可行性?！?/span>

團隊成員：李旺、周俊廷、劉文睿、姚一倫、王融樂、楊仝