5 月 1 日消息，微軟昨日（4 月 30 日）發(fā)布 Phi-4-reasoning 系列推理模型，通過監(jiān)督微調(diào) Phi-4，并利用 o3-mini 生成的高質(zhì)量“可教導(dǎo)”提示數(shù)據(jù)集訓(xùn)練，專為復(fù)雜推理任務(wù)設(shè)計(jì)。
IT之家援引博文介紹，微軟本次共推出 Phi-4-reasoning、Phi-4-reasoning-plus 和 Phi-4-mini-reasoning 三款模型，官方稱該系列模型不僅延續(xù)了小型模型的高效特性，還在推理能力上實(shí)現(xiàn)重大突破。
該系列模型通過推理時間擴(kuò)展（inference-time scaling）技術(shù)，擅長處理需要多步驟分解和內(nèi)部反思的復(fù)雜任務(wù)，尤其在數(shù)學(xué)推理和代理型應(yīng)用中表現(xiàn)突出，具備媲美大型前沿模型的潛力。
Phi-4-reasoning 是一款擁有 140 億參數(shù)的開源推理模型，通過監(jiān)督微調(diào)（Supervised Fine-Tuning，SFT）Phi-4，結(jié)合 OpenAI o3-mini 的高質(zhì)量推理演示數(shù)據(jù)，并充分利用額外計(jì)算資源，生成詳細(xì)的推理鏈條。
Phi-4-reasoning-plus 增強(qiáng)版通過強(qiáng)化學(xué)習(xí)（Reinforcement Learning，RL）進(jìn)一步提升性能，tokens 用量比標(biāo)準(zhǔn)版多 1.5 倍，支持更高精度。
兩款模型在數(shù)學(xué)推理和博士級科學(xué)問題測試中，均超越 OpenAI o1-mini 和
DeepSeek-R1-Distill-Llama-70B，甚至在 AIME 2025（美國數(shù)學(xué)奧林匹克資格賽）中擊敗 6710 億參數(shù)的 DeepSeek-R1 滿血模型。
Phi-4-mini-reasoning 專為計(jì)算資源有限的環(huán)境設(shè)計(jì)，是一款基于 Transformer 的緊湊型語言模型，優(yōu)化用于數(shù)學(xué)推理。
