行行查
行业研究数据库
人工智能行业研究:VibeThinker-1.5B的训练原理
- 人工智能
VibeThinker-1.5B的训练过程遵循“频谱到信号”(Spectrum-to-Signal)的核心原则,整体训练流程分为两个主要阶段:频谱阶段(Spectrum Phase)和信号阶段(Signal Phase)。在频谱阶段,首先通过“领域感知多样性探查”(Domain-Aware Diversity Probing)对基础模型进行多样化任务探索,随后结合“专家模型融合”(Expert Model Fusion)技术,将多个专业模型的知识整合进基础模型中,这一阶段采用的是基于多样性探索的蒸馏学习(SFT, Diversity-Exploring Distillation),旨在提升模型在多领域任务中的泛化能力与知识广度。
进入信号阶段后,训练重点转向精细化优化,采用RLVR(MaxEnt-Guided Policy Optimization)方法,即最大熵引导的策略优化。该阶段包含三个连续的强化学习步骤:首先是数学推理强化学习(Math RL Stage 1),用于增强模型在数学问题上的逻辑推理能力;接着是数学推理强化学习第二阶段(Math RL Stage 2),进一步深化其解题策略与路径选择能力
关联报告






| 标题 | 时间 | 页数 | 目录 | 下载 |
|---|---|---|---|---|
| 人工智能对广域网的影响:思科报告2026 | 2026-10-27 | 26 | ||
| 《人工智能能力建设普惠计划》进展报告(2026) | 2026-10-27 | 22 | ||
| 人工智能的物理竞赛:对电力、水和关键矿产的控制正成为人工智能领导地位的决定性因素 | 2026-10-27 | 16 | ||
| 人工智能主线周报:智元发布具身模型,看好智能化 | 2026-11-02 | 19 | ||
| 人工智能行业专题:2026Q3海外大厂CapEx和ROIC总结梳理 | 2026-11-02 | 25 | ||
| 通信及人工智能组行业光互连系列报告(一):FAU,CPO/NPO驱动量价双升 | 2026-11-03 | 22 | ||
| 人工智能及计算机行业行业月报:国家数据集团正式成立,物理AI迎奇点时刻 | 2026-11-07 | 27 | ||
| 人工智能行业周观点:Anthropic下周正式挂牌,OpenAI推出ChatGPT钱包与商户中心 | 2026-11-16 | 50 | ||
| 人工智能行业半月报(2026年11月第2期):Anthropic即将上市,黄仁勋辞去CEO等职务 | 2026-11-18 | 20 | ||
| 专题研究报告:人工智能在资本市场的应用现状与演进方向 | 2026-11-19 | 31 |

行研数据库
创投数据库
证券数据库
商业数据库










