7B的DeepSeek反超R1满血版，上海AI Lab周伯文团队新成果：计算最优的Test-Time Scaling

上海AI Lab等机构提出新的Test-Time Scaling (TTS) 方法，使小规模语言模型在数学推理能力上显著超越大规模模型。研究表明，不同规模模型的最佳TTS方法各异：小型模型适合基于搜索的方法，大型模型则更适合BoN。通过MATH-500和AIME24数据集测试，3B Llama3.2超越135倍大的Llama3.1-405B，改善率达487%。DeepSeek蒸馏的Qwen 7B也超过了671B参数的R1满血版。该研究为优化小模型推理能力提供了新思路，但仍需进一步探索其在复杂任务上的应用。
来源：https://mp.weixin.qq.com/s/BUBp2TShir9MRd6iVtFSfw