超越DeepSeek V3！Ai2再祭開源殺器Tülu 3，強化學習打破性能瓶頸

原標題：超越DeepSeek V3！Ai2再祭開源殺器Tülu 3，強化學習打破性能瓶頸
文章來源：新智元
內容字數：4026字

艾倫人工智能研究所發布全新開源大模型Tülu 3 405B

本文總結了艾倫人工智能研究所(Ai2)發布的全新開源大模型Tülu 3 405B 的關鍵信息。該模型在多個基準測試中表現出色，甚至超越了DeepSeek v3和GPT-4o等模型。

1. Tülu 3系列模型的性能突破

Ai2此前已發布Tülu 3 8B和70B版本，其性能已超越同等參數規模的Llama 3.1 Instruct版本。最新發布的Tülu 3 405B在多個標準基準測試中，實現了與DeepSeek v3和GPT-4o相當或更優的性能，并超越了其他同等參數規模的開源模型，如Llama 3.1 405B Instruct和Nous Hermes 3 405B。 雖然在線體驗版在一些簡單問題上表現欠佳，但在需要推理的復雜問題上展現了正確的解決思路。

2. Tülu 3的完整開源與訓練方法

與許多其他模型不同，Ai2 罕見地完整公開了Tülu 3 的訓練數據、代碼和方法，這對于推動開源大模型的發展具有重要意義。 其訓練過程包括四個階段：1) 精心策劃和合成式提示；2) 監督微調，優化核心技能并保證模型安全性；3) 偏好微調，利用GPT-4o對不同模型的回答進行評估；4) 可驗證獎勵強化學習(RLVR)，針對可驗證結果的任務（如數學問題）進行強化學習。

3. 可驗證獎勵強化學習(RLVR) 的作用

Tülu 3 使用了創新的RLVR方法，該方法在更大規模模型（如405B）上對數學性能的提升更為顯著。這可能是因為大型模型更適合處理需要專門數據的復雜任務。 RLVR 通過明確判斷問題是否完成來更新策略函數，從而提升模型性能。

4. 訓練過程與資源

Tülu 3 405B 的訓練使用了32個節點（256個GPU），并采用了vLLM進行模型部署。由于計算資源的限制，訓練時間受到限制，但結果顯示模型性能仍有提升空間。

5. Tülu 3 的開源貢獻

Tülu 3 項目完全開源了數據、評估方法、訓練代碼和開發配方，為其他研究者提供了寶貴的資源。 這標志著開放后訓練研究的一個新的里程碑，為未來大模型的研究和發展提供了重要的參考價值，也為開發者提供了可借鑒的訓練方法。

6. 訪問途徑

Tülu 3 8B和70B版本已支持ollama下載，方便用戶本地部署使用，405B版本也預計會很快上線。 論文和代碼可在Ai2的GitHub倉庫和Arxiv上找到。

聯系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。