今天，昆侖萬維正式推出具有復(fù)雜思考推理能力的系列模型——“天工大模型4.0” o1版(Skywork o1)。

　　Skywork o1是由昆侖萬維集團(tuán)發(fā)布的具有慢思考推理能力的系列模型。這是國內(nèi)第一款中文邏輯推理能力的o1模型。不同于現(xiàn)有的復(fù)現(xiàn)OpenAI o1模型的工作，Skywork o1不僅在模型輸出上內(nèi)生了思考、計(jì)劃、反思等能力，同時(shí)，該開源模型在標(biāo)準(zhǔn)評(píng)測集上，對(duì)比普通模型推理能力大幅上升，真正讓模型擁有了思考和反思帶來的推理能力的提升。團(tuán)隊(duì)復(fù)現(xiàn)o1的技術(shù)路線，使得初始推理能力較差的基座模型在基準(zhǔn)測試集上成為生態(tài)位SOTA。

　　此次發(fā)布的Skywork o1包括三款模型，既有回饋開源社區(qū)的開放版本，也有能力更強(qiáng)的專用版本：

　　?Skywork o1 Open：一款基于Llama 3.1 8B的開源模型，該模型在同生態(tài)位開源模型中評(píng)測指標(biāo)大幅提升達(dá)到SOTA水平，并解鎖了許多輕量級(jí)模型無法解決的復(fù)雜數(shù)學(xué)任務(wù)。該模型的發(fā)布也將幫助加速國內(nèi)開源社區(qū)復(fù)現(xiàn)o1的進(jìn)程。

　　?Skywork o1 Lite：該模型具備完整的思考能力，具有更好的中文支持和更快的推理和思考速度。在數(shù)學(xué)、中文邏輯和推理類問題上表現(xiàn)突出。

　　?Skywork o1 Preview：這款模型是本次完整版的推理模型，搭配自研的線上推理算法，對(duì)比Skywork o1 Lite有著更多樣和“深度”的思考過程，更完善和更高質(zhì)量的推理。

　　其中，我們開源的Skywork o1 Open，在各項(xiàng)數(shù)學(xué)和代碼指標(biāo)上均有大幅提高，將Llama-3.1-8B的性能拉到同生態(tài)位SOTA(超越Qwen-2.5-7B instruct)。同時(shí)，8B的Skywork o1 Open也解鎖了很多較大量級(jí)模型，如GPT 4o，無法完成的數(shù)學(xué)推理任務(wù)(如24點(diǎn)計(jì)算)。這也為推理模型在輕量級(jí)設(shè)備上部署提供了可能性。

　　同時(shí)，我們也將開源兩個(gè)推理任務(wù)的Process Reward Model(PRM)：Skywork o1 Open-PRM-1.5B 和Skywork o1 Open-PRM-7B，相比此前開源的Skywork-Reward-Model僅對(duì)整個(gè)模型回答進(jìn)行打分，Skywork o1 Open-PRM能給模型回答中的每個(gè)步驟進(jìn)行打分。

　　對(duì)比開源社區(qū)現(xiàn)有的PRM，Skywork o1 Open-PRM-1.5B能達(dá)到開源社區(qū)8B的模型效果，例如RLHFlow的Llama3.1-8B-PRM-Deepseek-Data，OpenR的Math-psa-7B，Skywork o1 Open-PRM-7B能同時(shí)在大部分benchamrk上接近/超過10倍量級(jí)的Qwen2.5-Math-RM-72B。Skywork o1 Open-PRM也是第一款適配代碼類任務(wù)的開源PRM。下面表格為以Skywork-o1-Open-8B作為基礎(chǔ)模型，使用不同PRM在數(shù)學(xué)和代碼評(píng)測集上的評(píng)估結(jié)果。

　　除Skywork-o1-Open-PRM外，其他開源PRM均未針對(duì)代碼類任務(wù)進(jìn)行專門優(yōu)化，故不進(jìn)行代碼任務(wù)的相關(guān)對(duì)比。

　　詳細(xì)技術(shù)報(bào)告也將在不久后發(fā)布。目前模型和相關(guān)介紹在Huggingface開源。

　　強(qiáng)推理以及自我反思的能力是如何練成的？

　　Skywork o1在邏輯推理任務(wù)上性能的大幅提升得益于天工三階段自研的訓(xùn)練方案：

　　?推理反思能力訓(xùn)練：通過自研的多智能體體系構(gòu)造高質(zhì)量的分步思考，反思和驗(yàn)證數(shù)據(jù)。通過高質(zhì)量的、多樣性的長思考數(shù)據(jù)對(duì)基座模型進(jìn)行繼續(xù)預(yù)訓(xùn)練和監(jiān)督微調(diào)。

　　?推理能力強(qiáng)化學(xué)習(xí)：團(tuán)隊(duì)研發(fā)了最新的適配分步推理強(qiáng)化的Skywork o1 Process Reward Model(PRM)。實(shí)驗(yàn)證明Skywork-PRM可有效的捕捉到復(fù)雜推理任務(wù)中間步驟和思考步驟對(duì)最終答案的影響。結(jié)合自研分步推理強(qiáng)化算法進(jìn)一步加強(qiáng)模型推理和思考能力。

　　?推理planning：基于天工自研的Q*線上推理算法配合模型在線思考，并尋找最佳推理路徑。這也是全球首次將Q*算法實(shí)現(xiàn)和公開。Q*算法落地也大大提升了模型線上推理能力。

　　亮點(diǎn)功能與實(shí)測

　　Skywork o1模型具有以下能力和亮點(diǎn)功能：

　　?模型思考和規(guī)劃能力

　　?模型自我反思能力

　　?模型自我驗(yàn)證能力

　　相較于此前(長文本任務(wù))大模型，無論是常識(shí)推理問題、邏輯推理問題、數(shù)學(xué)推理問題、倫理決策問題、還是“弱智”(類似腦筋急轉(zhuǎn)彎)邏輯陷阱問題等，Skywork o1都處理的游刃有余。整體來說，Skywork o1 Lite和Skywork o1 Preview線上版本在復(fù)雜問題分析、思考反思過程、輸出答案質(zhì)量上均有大幅提升。

　　進(jìn)階版的復(fù)雜人類思考能力的解鎖也將進(jìn)一步在垂類領(lǐng)域增強(qiáng)大模型的應(yīng)用，例如：

　　?中英文常見邏輯推理和復(fù)雜任務(wù)，如數(shù)學(xué)/代碼類任務(wù)，科學(xué)研究

　　?高質(zhì)量內(nèi)容生成，如創(chuàng)意寫作，行業(yè)報(bào)告寫作

　　?深度搜索，解鎖復(fù)雜搜索任務(wù)的拆解

　　2024年以來，昆侖萬維天工AI持續(xù)進(jìn)化，陸續(xù)發(fā)布了“天工2.0”、“天工3.0”、“天工大模型4.0”4o版——Skywork 4o，以及今天正式發(fā)布的“天工大模型4.0” o1版(Skywork o1)，不僅是我們貫徹“All in AGI 與 AIGC” 戰(zhàn)略的重要舉措，更是我們構(gòu)建AI技術(shù)棧的重要一步。我們將秉持“實(shí)現(xiàn)通用人工智能，讓每個(gè)人更好地塑造和表達(dá)自我”的使命，從模型層、應(yīng)用層等全方位、多維度來構(gòu)建公司技術(shù)競爭力和生態(tài)矩陣。

　　測試地址

　　“天工大模型4.0” o1版(Skywork o1)開啟測試