北大楊仝團(tuán)隊(duì)發(fā)布FairyR1模型：5%參數(shù)量數(shù)學(xué)和代碼能力超越滿血DeepSeek
北京大學(xué)楊仝教授團(tuán)隊(duì)近期發(fā)布了其在高效大型語言模型研究方向的一項(xiàng)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(shí)現(xiàn)與更大模型相當(dāng)甚至更優(yōu)性能的可能性。該研究得到了國家自然科學(xué)基金委項(xiàng)目（624B2005, 62372009）的資助。FairyR1-32B模型已在huggingface開源：https://huggingface.co/PKU-DS-LAB/FairyR1-32B。
FairyR1-32B模型是在團(tuán)隊(duì)前期TinyR1工作基礎(chǔ)上進(jìn)行的進(jìn)一步探索，沿用了“分合蒸餾”的研究思路，提出了多種改進(jìn)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(jìn)行了優(yōu)化，模型精度有了顯著提升。
本次工作重點(diǎn)改進(jìn)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(gè)“教師模型”生成答案，隨后對問答數(shù)據(jù)進(jìn)行精心篩選、結(jié)構(gòu)調(diào)整與思維鏈優(yōu)化，并進(jìn)行多階段篩選。篩選過程包括基于答案的正確性驗(yàn)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(tuán)隊(duì)嘗試訓(xùn)練兩個(gè)領(lǐng)域（數(shù)學(xué)和代碼）的專業(yè)模型進(jìn)行合并，旨在進(jìn)一步優(yōu)化流程和資源消耗。這兩個(gè)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?。┆?dú)立訓(xùn)練約5個(gè)周期后，利用AcreeFusion工具進(jìn)行了合并。在多個(gè)公開基準(zhǔn)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(zhǔn)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(zhǔn)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(zhǔn)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(xiàng)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(tuán)隊(duì)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(jìn)，我們初步驗(yàn)證了在有限資源下實(shí)現(xiàn)高性能模型的可行性?！?/p>
團(tuán)隊(duì)成員：李旺、周俊廷、劉文睿、姚一倫、王融樂、楊仝
