5月1日消息，微软昨日（4月30日）发布Phi-4-reasoning系列推理模型，通过监督微调Phi-4，并利用o3-mini生成的高质量“可教导”提示数据集训练，专为复杂推理任务设计。
援引博文介绍，微软本次共推出Phi-4-reasoning、Phi-4-reasoning-plus和Phi-4-mini-reasoning三款模型，官方称该系列模型不仅延续了小型模型的高效特性，还在推理能力上实现重大突破。
该系列模型通过推理时间扩展（inference-timescaling）技术，擅长处理需要多步骤分解和内部反思的复杂任务，尤其在数学推理和代理型应用中表现突出，具备媲美大型前沿模型的潜力。
Phi-4-reasoning是一款拥有140亿参数的开源推理模型，通过监督微调（SupervisedFine-Tuning，SFT）Phi-4，结合OpenAIo3-mini的高质量推理演示数据，并充分利用额外计算资源，生成详细的推理链条。
Phi-4-reasoning-plus增强版通过强化学习（ReinforcementLearning，RL）进一步提升性能，tokens用量比标准版多1.5倍，支持更高精度。
两款模型在数学推理和博士级科学问题测试中，均超越OpenAIo1-mini和DeepSeek-R1-Distill-Llama-70B，甚至在AIME2025（美国数学奥林匹克资格赛）中击败6710亿参数的DeepSeek-R1满血模型。
Phi-4-mini-reasoning专为计算资源有限的环境设计，是一款基于Transformer的紧凑型语言模型，优化用于数学推理。
该模型通过DeepSeek-R1生成的合成数据微调，能在低延迟场景下提供高质量的逐步问题解决方案。这款模型覆盖从中学到博士级的百万级多样化数学问题，非常适合教育应用、嵌入式辅导和边缘设备部署。
在多项数学基准测试中，其3.8亿参数的表现超越OpenThinker-7B和Llama-3.2-3B-instruct等更大模型，甚至在部分测试中接近OpenAIo1-mini的水平。
内容来源于网络。发布者：科技网btna，转转请注明出处：https://www.btna.cn/6915.html
