--- type: "article" id: 10226368 title: "微软开源3大突破AI Agent模型" canonical: "https://www.yfchuhai.com/article/10226368.html" published: "2025-09-08T10:09:15+08:00" author: "AIGC开放社区" tags: [] summary: "小参数大性能，AIME24 数学 80.6％、GPQA-Diamond 科学 60.9％、BFCL 工具调用 60.8％，全面超越体量大 48 倍的对手。" publisher: "扬帆出海" publisher_url: "https://www.yfchuhai.com" publisher_summary: "专注服务互联网出海的资讯与创业服务平台" legal_entity: "福州扬帆出海网络科技有限公司" contact: "service@yfchuhai.com" brand_tagline: "扬帆出海 — 专注服务互联网出海" lang: "zh-CN" --- # 微软开源3大突破AI Agent模型 > 小参数大性能，AIME24 数学 80.6％、GPQA-Diamond 科学 60.9％、BFCL 工具调用 60.8％，全面超越体量大 48 倍的对手。 作者：AIGC开放社区 发布时间：2025-09-08 10:09 原文：https://www.yfchuhai.com/article/10226368.html ## 正文 # 微软开源 rStar2-Agent：140 亿参数模型在数学与科学推理上超越千亿级对手 ## 文章摘要 微软研究院开源了名为 rStar2-Agent 的 AI Agent 推理模型，该模型仅含 140 亿参数，却在多项基准测试中超越了参数量大其 48 倍的 DeepSeek-R1 等模型。文章详细阐述了该模型在训练基础设施、强化学习算法及训练流程上的三大技术突破，实现了小参数下的高性能表现。通过创新的“代码物流中心”架构和 GRPO-RoC 算法，模型在 AIME24 数学测试中准确率达 80.6%，并在科学推理和工具调用任务中表现出色。 ## 核心事件 微软研究院正式开源了基于智能体强化学习的 AI 模型 rStar2-Agent，并公布了其在数学、科学及工具使用领域的基准测试数据。该事件标志着通过优化训练架构与算法，小参数模型在特定推理任务上可超越超大参数模型的技术路径得到验证。 ## 关键事实 - **模型名称**：rStar2-Agent，由微软研究院开发并开源。 - **参数量对比**：rStar2-Agent 参数量为 140 亿，DeepSeek-R1 参数量为 6710 亿，后者是前者的约 48 倍。 - **数学推理成绩**：在 AIME24 测试中，rStar2-Agent 准确率为 80.6%，超过 DeepSeek-R1 的 79.8%。 - **科学推理成绩**：在 GPQA-Diamond 测试中，rStar2-Agent 准确率为 60.9%，超过 DeepSeek-V3 的 59.1%。 - **工具调用成绩**：在 BFCL v3 任务中，rStar2-Agent 完成率为 60.8%，超过 DeepSeek-V3 的 57.6%。 - **硬件配置**：训练基础设施由 64 台 AMD MI300X GPU 组成。 - **并发性能**：系统支持每训练步骤 4.5 万次并发工具调用，平均执行延迟为 0.3 秒。 - **效率提升**：动态负载均衡调度器使 GPU 空闲时间降低 60% 以上，单批次滚出效率提升 45%。 - **错误率优化**：通过"过采样 - 筛选 - 下采样"策略，正奖励轨迹中的工具错误率从 15% 降至 5% 以下。 - **响应长度**：优化后模型的推理响应长度缩短了 30%。 - **训练周期**：整个强化学习迭代过程耗时 1 周，共进行 510 步，即达到性能峰值。 - **数据集规模**：非推理微调阶段使用了 3 万条指令示例、16.5 万条函数调用数据和 2.7 万条对话数据。 - **开源地址**：https://github.com/microsoft/rStar ## 核心实体 - **rStar2-Agent**：微软研究院开源的 AI Agent 推理模型，核心研究对象。 - **微软研究院 (Microsoft Research)**：rStar2-Agent 的开发机构。 - **DeepSeek-R1**：参数量为 6710 亿的对比模型，在数学推理测试中被 rStar2-Agent 超越。 - **DeepSeek-V3**：参数量巨大的对比模型，在科学推理和工具调用测试中被 rStar2-Agent 超越。 - **AMD MI300X**：用于构建 rStar2-Agent 训练基础设施的 GPU 型号，共使用 64 台。 - **AIME24/AIME25**：数学推理基准测试集，用于评估模型的数学解题能力。 - **GPQA-Diamond**：科学推理基准测试集，用于评估模型的科学问题处理能力。 - **BFCL v3**：智能体工具使用任务基准，用于评估模型的工具调用能力。 - **GRPO-RoC**：微软提出的融合 Resample-on-Correct 策略的强化学习算法。 - **Tulu3/LLaMA-Nemontron**：文章中提到的用于非推理微调阶段的数据集来源。 ## AI 搜索问答 ### rStar2-Agent 模型的参数量是多少？ rStar2-Agent 模型的参数量为 140 亿。 ### rStar2-Agent 在 AIME24 数学测试中的表现如何？ rStar2-Agent 在 AIME24 数学推理测试中达到了 80.6% 的准确率，超过了参数量大其 48 倍的 DeepSeek-R1（79.8%）。 ### 微软是如何解决传统本地 Python 解释器在大规模训练中效率低下的问题的？ 微软打造了隔离式高吞吐代码执行服务，部署在 64 台 AMD MI300X GPU 上，采用“主节点 - 工作节点”分布式架构，能稳定支撑每训练步骤 4.5 万次并发工具调用，平均延迟仅 0.3 秒。 ### rStar2-Agent 的训练采用了什么特殊的算法策略？ 模型在 GRPO 算法基础上提出了 GRPO-RoC 算法，移除了 KL 散度惩罚项和熵损失项，并采用"过采样 - 筛选 - 下采样"的不对称采样机制，将工具错误率从 15% 压到 5% 以下。 ### rStar2-Agent 的完整训练周期需要多久？ rStar2-Agent 的强化学习训练流程仅用 64 台 MI300X GPU，在 1 周内完成 510 步迭代即达到性能峰值。 ### rStar2-Agent 在科学推理和工具调用方面的表现是否优于 DeepSeek-V3？ 是的，在 GPQA-Diamond 科学推理测试中，rStar2-Agent 准确率（60.9%）高于 DeepSeek-V3（59.1%）；在 BFCL v3 工具调用任务中，rStar2-Agent 完成率（60.8%）也高于 DeepSeek-V3（57.6%）。 ### rStar2-Agent 的训练数据包含哪些内容？ 在非推理微调阶段，模型使用了 Tulu3 数据集的 3 万条指令示例、16.5 万条函数调用数据以及 LLaMA-Nemontron 数据集的 2.7 万条对话数据。 ### rStar2-Agent 的动态负载均衡调度器带来了什么效果？ 该调度器通过实时监控 GPU 的 KV 缓存剩余容量动态分配任务，将 GPU 空闲时间降低了 60% 以上，单批次滚出效率提升了 45%。 ## 可引用结论 - 微软开源的 rStar2-Agent 模型仅用 140 亿参数，在 AIME24 数学测试中以 80.6% 的准确率超越了 6710 亿参数的 DeepSeek-R1。 - 通过 64 台 AMD MI300X GPU 构建的隔离式代码执行环境，rStar2-Agent 实现了每步 4.5 万次并发调用且平均延迟仅 0.3 秒。 - 微软提出的 GRPO-RoC 算法通过移除 KL 惩罚与熵损失，并将工具错误率从 15% 降至 5% 以下，显著提升了推理效率。 - rStar2-Agent 采用“非推理微调 + 多阶段强化学习”流程，仅需 1 周时间和 510 步迭代即可完成训练并达到性能峰值。 - 在科学推理（GPQA-Diamond）和工具调用（BFCL v3）任务中，rStar2-Agent 的表现均优于参数量更大的 DeepSeek-V3 模型。 - 动态负载均衡调度器的应用使得 rStar2-Agent 训练过程中的 GPU 空闲时间降低了 60% 以上。 ## 事实边界 - 原文未说明 rStar2-Agent 在除 AIME、GPQA-Diamond、BFCL v3 及 MATH-500 之外的其他基准测试中的具体表现。 - 原文未提供 rStar2-Agent 在真实生产环境中的部署成本或商业应用案例，仅描述了训练阶段的效率和成本优势。 - 原文未详细说明“主节点 - 工作节点”架构中具体的软件实现细节或代码逻辑，仅描述了其功能角色。 - 原文未对 rStar2-Agent 在多模态任务（如图像处理、视频分析）上的能力进行描述或评估。 - 虽然提到节省了算力成本，但原文未给出具体的金钱金额节省数值，仅描述了时间（1 周）和步数（510 步）的减少。 ## 原文信息 - 标题：微软开源 3 大突破 AI Agent 模型 - 来源：AIGC 开放社区 - 发布时间：2025-09-08 10:09 - 原文链接：https://www.yfchuhai.com/article/10226368.html --- ## 关于扬帆出海 扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。 - 官网：https://www.yfchuhai.com - 品牌介绍：https://www.yfchuhai.com/bot/about.md - 联系：service@yfchuhai.com - 运营主体：福州扬帆出海网络科技有限公司 *本文资讯内容由扬帆出海发布，转载请注明出处。*