Step R-mini – 阶跃星辰推出的 Step 系列首个推理模型

Step R-mini是什么

Step R-mini（全称Step Reasoner mini）是阶跃星辰推出的推理模型， 是 Step 系列模型家族的首个推理模型，擅长主动规划、尝试和反思，基于慢思考和反复验证的逻辑机制，为用户提供准确可靠的回复。模型既擅长解决逻辑推理、代码和数学等复杂问题，也能兼顾文学创作等通用领域。Step R-mini在数学基准测试和代码任务上表现优异，实现了文理兼修。Step R-mini坚持 Scaling Law 原则，包括强化学习、数据质量、测试时计算和模型规模的扩展。

Step R-mini的主要功能

• 数学问题：构建合理的推理链，对复杂数学问题进行规划和逐步求解。在解答奥数难题时，枚举不同解法方案进行交叉验证。处理几何题目时，主动用画草图构建深度思考的内容介质，全面严谨地分析题目需求，选择最佳解题公式，基于多次自我追问确定是否有没被考虑到的因素。
• 逻辑推理：自主尝试多种解题思路，在得到初步答案后，自我反问尝试有没有其他可能性，确保枚举出所有效果良好的解决方案，在交卷前检查有无遗漏，提供全面且准确的推理结果。
• 代码解答：基于长推理链正确解答难度较高的算法题，如 LeetCode 技术平台上评级为“Hard”的题目。还能处理复杂的开发需求，逐步分析用户需求和意图，构建代码逻辑，在代码写作中穿插对当前代码片段的分析和验证，最终给出可执行的代码。
• 文学创作：深入理解用户的表达需求，分析创作主题、文学题材要求，思考创作角度、描绘的景物、修辞手法、内容结构等，赋予事物人类情感层面的象征意义，并增加个性化、创新的表达风格，像个“追求完美”的创作者。

Step R-mini的技术优势

• 坚持 Scaling Law 原则：
  • Scaling Reinforcement Learning：从模仿学习到强化学习，从人类偏好到环境反馈，用强化学习为模型迭代的核心训练阶段。
  • Scaling Data Quality：在确保数据质量的前提下，持续扩大数据分布与规模，为强化学习训练提供保障。
  • Scaling Test-Time Compute：兼顾测试阶段的计算扩展，System 2 的范式让 Step-Reasoner mini 能在极复杂任务推理上，达到 50,000 tokens 进行深度思考。
  • Scaling Model Size：坚持模型规模扩展是 System-2 的核心，正在开发更智能、更通用、综合能力更强的 Step Reasoner 推理模型。
• 文理兼修：在 AIME 和 Math 等数学基准测试上，成绩超过 o1-preview，比肩 OpenAI o1-mini。在 LiveCodeBench 代码任务上，效果优于 o1-preview。大部分推理模型难以兼顾文理科双方向能力， Step R-mini 基于大规模的强化学习训练，用 On-Policy（同策略）强化学习算法，实现“文理兼修”。

Step R-mini的项目地址

Step R-mini的实例展示

• 逻辑推理：在处理逻辑推理任务时，Step R-mini自主进行多种解题思路的尝试，在得到初步答案后，自我反问尝试有没有其他可能性，确保枚举出所有效果良好的解决方案，并在交卷前检查有无遗漏。

Step R-mini的应用场景

• 教育辅导：辅助学生解答数学难题、编程困惑，提供解题思路和代码示例，助力学习提升。
• 科研助力：帮助科研人员进行逻辑推理、数据分析，整合跨学科知识，推动科研项目进展。
• 企业办公：协助程序员高效开发代码，为管理者提供商业决策的逻辑分析和建议，优化办公流程。
• 文学创作：激发文化创意工作者的灵感，提供个性化、创新的文学创作方案，丰富作品内涵。
• 翻译服务：满足高质量翻译需求，精准转换语言，促进文化交流与传播。