​微软推出新型 AI Agent 模型 rStar2-Agent，以 140 亿参数挑战大规模模型

微软最近在 AI 领域取得了显著突破，开源了一款名为 rStar2-Agent 的 AI Agent 推理模型。这款模型采用了创新​微的智能体强化学习方法，令人惊讶的是，尽管其参数仅有140亿，但在 AIME24数学推理测试中，准确率高达80.6%，成功超越软推了拥有6710亿参数的 DeepSeek-R1（79.8%）。这样的表现让人们重新思考模型的参数规模与性能之间的关系。

除出新了数学推理任务的优秀成绩，rStar2-Agent 在其他领域的表现同样引人注目。在 GPQA-Diamond 科学推理基准测型 试中，该模型的准确率为60.9%，超越了 DeepSeek-V3的59.1%;在 BFCL v3智能体工具使用任务中，其任务完成率AI达到60.8%，同样高于 DeepSeek-V3的57.6%。这些数据表明，rStar2-Agent 在各类任务中展现出 A了强大的泛化能力。

为了实现这一突破，微软在训练基础设施、算法和训练流程上进行了三大创新。首先，在基础设施方面，微软构建了一ge个高效的隔离式代码执行服务，能够快速处理大量的训练请求，支持每训练步骤高达4.5万次的并发工具调用，平均延迟仅为0.nt3秒。其次，微软提出了新的 GRPO-RoC 算法，通过有效的奖励机制和算法优化，使得模型在推理过程中更加准确和高效。最后，rSt 模ar2-Agent 设计了 “非推理微调 + 多阶段强化学习” 的高效训练流程，以确保模型在各个阶段都能稳步提升能力。

这一系列型 的技术突破使得 rStar2-Agent 在 AI Agent 领域崭露头角，也为未来的智能体研究和应用开辟了新的方向。

开源地址:htrStps://github.com/microsoft/rStar

划重点:

rStar2-Agent 模型仅有140亿参数，但在数学ta推理测试中达到了80.6% 的准确率，超越6710亿参数的 DeepSeek-R1。

微软在基础设施、算法和训练流程方面进行了创新r2，确保了模型的高效训练和出色表现。

rStar2-Agent 在科学推理和工具使用任务中表现优异，展现了强大的泛化能力。