Step R-mini

Step R-mini – 階躍星辰推出的 Step 系列首個推理模型

Step R-mini是階躍星辰推出的首款推理模型，專注于主動規劃、嘗試與反思，運用慢思考和驗證機制，致力于為用戶提供精準可靠的回答。該模型不僅在解決邏輯推理、編程和數學等復雜問題方面表現突出，還能在文學創作等更廣泛的領域中展現其能力。

Step R-mini是什么

Step R-mini（全稱Step Reasoner mini）是階躍星辰推出的首個推理模型，屬于Step系列模型家族。該模型擅長主動規劃、嘗試和反思，基于慢思考和反復驗證的邏輯機制，旨在為用戶提供準確可靠的回復。Step R-mini在邏輯推理、編程和數學等復雜問題上表現優異，成功實現文理兼修。此外，Step R-mini堅持Scaling Law原則，通過強化學習、數據質量優化、測試時計算擴展和模型規模的提升，不斷提高其性能。

Step R-mini

Step R-mini的主要功能

數學問題：構建合理的推理鏈，對復雜數學問題進行逐步求解。在解答奧數難題時，模型會枚舉不同解法方案進行交叉驗證；在處理幾何問題時，會主動繪制草圖，深入分析題目需求，選擇最佳解題公式，并通過多次自我提問確保全面考慮所有因素。
邏輯推理：模型能夠自主嘗試多種解題思路，在得出初步答案后進行反思，確保列舉出所有可能的解決方案，并在交卷前進行全面檢查，以提供準確的推理結果。
代碼解答：基于長推理鏈，Step R-mini可以正確解答難度較高的算法題，如LeetCode平臺上的“Hard”級別問題。它能夠處理復雜的開發需求，逐步分析用戶意圖，并在編寫代碼時進行分析和驗證，最終提供可執行的代碼。
文學創作：模型能夠深入理解用戶的表達需求，分析創作主題和文學風格，思考創作視角、描繪內容、修辭手法等，賦予作品人性化的情感層面，展現個性化和創新的表達風格，宛如一位追求完美的創作者。

Step R-mini的技術優勢

堅持Scaling Law原則：
- Scaling Reinforcement Learning：通過模仿學習到強化學習的逐步演進，利用環境反饋推動模型迭代。
- Scaling Data Quality：在保證數據質量的基礎上，持續擴大數據的分布與規模，為強化學習訓練提供保障。
- Scaling Test-Time Compute：在測試階段兼顧計算擴展，能夠在極復雜任務推理上，達到50,000 tokens進行深度思考。
- Scaling Model Size：堅持模型規模擴展，致力于開發更加智能、通用、綜合能力更強的推理模型。
文理兼修：在AIME和Math等數學基準測試中，Step R-mini的成績超過o1-preview，接近OpenAI o1-mini。在LiveCodeBench的代碼任務中，表現優于o1-preview。大多數推理模型難以同時兼顧文理能力，而Step R-mini通過大規模強化學習訓練，成功實現“文理兼修”。

Step R-mini