梦晨 发自 凹非寺量子位 | 公众号 QbitAI
字节最新深度思考模型，在数学、代码等多项推理任务中超过DeepSeek-R1了？而且参数规模更小。
同样是MoE架构，字节新模型Seed-Thinking-v1.5有200B总参数和20B激活参数。
对比DeepSeek-R1的671B总参数和37B激活参数，可以算得上轻量级了。
目前，完整的技术报告已公开发布，其中揭示了诸多秘诀。
字节Seed团队聚焦大规模强化学习，并从三个角度提升了推理表现：数据、RL算法和RL基础设施。
可验证与不可验证问题
从数据开始说起，字节团队把RL训练数据分为两个部分，具有明确答案的可验证问题和没有明确答案的不可验证问题，采用不同的奖励建模方法。
这其中，模型的推理能力主要来自可验证问题，并可以推广到不可验证问题。
可验证问题包括问题与答案配对的STEM问题、附带单元测试的代码问题，以及适合自动验证的逻辑推理问题（24点、迷宫、数独等）。
不可验证问题主要包括根据人类偏好评估的非推理任务，如创意写作、翻译、知识QA、角色扮演等。
对于不可验证问题，字节团队丢弃了样本分数方差低、难度低的数据。此类数据可能过于简单或已在数据集中大量表示。离线实验表明，过度优化此类样本会导致模型的探索空间过早崩溃并降低性能。
此外，团队还打造了全新数学推理评测集BeyondAIME。
当前的推理模型通常使用AIME作为评估数学推理能力的首选基准，但该基准每年只发布30个问题，有限的规模可能会导致高方差的评估结果，难以有效区分最先进的推理模型。
字节与数学专家合作，根据既定的比赛形式开发原创问题。通过结构修改和情景重新配置来系统地调整现有的比赛问题，确保不会发生直接重复。此外还确保答案不是容易猜的数值（例如问题陈述中明确提到的数字），以减少模型在没有适当推理的情况下猜出正确答案的机会。
RL算法
强化学习虽然强大，但训练起来也很不稳定，经常崩溃。
字节在技术报告中提到”有时，两次运行之间的分数差异可能高达10分”。
针对这个问题，团队提出了VAPO和DAPO两个RL框架，分别从基于价值和无价值的RL范式出发来稳定训练。
VAPO和DAPO两篇论文都已单独发布。
此外，在Seed-Thining-v1.5中，还借鉴了之前学术界工作中的很多关键技术：
价值预训练(Value-Pretraining)，保证价值网络和策略网络一致解耦的GAE(Decoupled-GAE)，让两个网络更独立高效长度自适应GAE(Length-adaptive GAE)，更好处理不同长度序列解耦PPO损失(Clip-Higher)，为低概率token的增长创造，了更多空间鼓励模型探索新方案Token级损失(Token-level Loss)，平衡每个token对训练过程的影响。正例增强(Postive Example LM Loss)，提高RL训练过程中正样本的利用效率，从而提高模型整体性能
RL基础设施
在Long-CoT生成过程中，字节团队观察到各种提示词之间的响应长度差异较大，在生成过程中出现大量GPU空闲时间。
为了缓解长尾响应生成的滞后问题，提出了SRS（流式Rollout系统），一种资源感知型调度框架，可战略性地部署独立的流式计算单元，将系统约束从内存绑定转换为计算绑定。
为了有效地大规模训练，团队还设计了一个混合分布式训练框架，集成高级并行策略、动态工作负载平衡和内存优化：
并行机制：将TP （张量并行）/EP （专家并行）/CP （上下文并行）与全分片数据并行 （FSDP） 组合在一起，具体来说，将TP/CP 应用于注意力层，将EP应用于 MoE 层。序列长度平衡：DP等级之间的有效序列长度可能不平衡，导致计算工作量不平衡和训练效率低下。利用KARP算法在一个mini-batch内重新排列输入序列，使它们在micro-batch之间保持平衡。内存优化：采用逐层重新计算、激活卸载和优化器卸载来支持更大micro-batch的训练，以覆盖FSDP引起的通信开销。自动并行：为了实现最佳系统性能，开发了AutoTuner 自动调整系统，按照基于配置文件的解决方案 对内存使用情况进行建模。然后估计各种配置的性能和内存使用情况以获得最优配置。检查点：使用ByteCheckpoint支持从不同的分布式配置中以最小的开销恢复检查点，弹性训练以提高集群效率。
最终，在多项自动评估中，Seed-Thinking-v1.5在AIME 2024基准测试中取得86.7，与OpenAI的o3-mini-high模型的性能相当。但在最近的AIME 2025和BeyondAIME中，Seed-Thinking-v1.5仍然落后于o3级别的性能。
对于GPQA任务，Seed-Thinking-v1.5达到77.3%的准确率，接近o3-mini-high的性能。
在Codeforces等代码生成场景中，Seed-Thinking-v1.5的性能与Gemini 2.5 Pro 的性能相当，但仍落后于o3-mini-high。
Seed-Thinking-v1.5在SimpleQA上的表现不太理想。但团队认为，该基准测试预训练模型规模的相关性更强，而不是考验推理能力。
许多人看完这篇技术报告，都很感兴趣，不过找了一圈也没找到模型在哪发布。
从技术报告的口径来看，该模型与目前豆包中的Doubao-1.5 Pro并不是一回事。
但从作者名单看，这是由字节Seed团队负责人吴永辉带队，主要成员都参与的大项目。
那么是否将来会部署到豆包APP，可以期待一波了。
论文地址：https://github.com/ByteDance-Seed/Seed-Thinking-v1.5/
《遮天改版1～29h同人姬紫月》，《y85ouztigy6ysf5y》武警帅警Gay男同
“羞羞漫画❤️在线观看入口寄宿”
陈冠希雁门照片高清视频
……
04月13日
“娜美罗宾”致曾经讨厌我的X
↓↓↓
04月13日，新疆阿克苏地区乌什县发生5.2级地震 震源深度15千米，长春高中生公交被喷，舒淇一级A片巜色情荒野，1718爻賰卮卮，小三又大又骚弄得好爽
04月13日，WTA500东京站决赛开打！郑钦文向赛季第三冠发起冲击，85在线精品无码㊙️入口软件，男男互操视频网站入，星野鱼哥完整版去哪里看，91精品夜夜夜一区二区三区老板
04月13日，中国工信部向沐美星空颁发空间无线电业务许可，动漫❌❌爆乳❌❌动漫技女水纲手，流萤张开腿被开拓者❌，Japanese pooping 大便，嘿咻漫画sss
04月13日|洛阳送给游客的钻石，也是河南的“特产”？|美女裸体被羞羞CNMO|路飞❌娜美在线看污污网站|英语老师用丝袜脚奖励我|A片⭕⭕⭕⭕XXXX受爽视频
04月13日|贝莉·塔蒂蓝湾大师赛创最好成绩夺冠 中国选手刘瑞欣排名第七|91丨PORN丨丝袜高跟|老师穿黑旗袍帮我夹出白浆|朱竹清被❌到爽拔萝卜|国产人妻精品无码蜜汁
04月13日|跟随赛事推介城市 “世运蓉港行”主题列车发行|男人私㊙️Gay军人|男模裸J照无遮挡🔞免费|曼珠沙华亲吻伍六七|美女裸体大欧派爆乳不遮挡……
04月13日，东北“老铁”送来的蔓越莓被广西人做成糖葫芦，美国 вид，灰原哀被啪❌漫画禁漫，女仆扒开腿㊙️让男人桶，佐良娜被脱内衣被❌视频
04月13日，北京建设中西医结合研究所 推动中医药融入全球卫生体系，男男高中浴室Gay大鳮巴自慰，扒开小舞❌狂揉❌同人文，男警察被两男双龙玩弄，韩国裸体㊙️无遮挡热舞
04月13日|月子中心，省心还是闹心？|青少年裸男体秘无遮挡|男男被❌爽无套免费看|樱桃视频♥成人app♥i|国产老头Gay和老头Gay123
04月13日，叙利亚军方：反对派武装已进入叙中部哈马市，91精品国产一区二区三区动漫，小🐔🐔伸进🈲🔞🔞17，娜美吃路飞棍子漫画，把👙脱了给我揉🐻动漫
04月13日，深港两地深化职业教育合作，亚洲AV久久无码㊙️原神蜜桃，免费无遮挡🔞使劲吃，18啊～嗯～我下，成人A片免费观看几分钟
04月13日，以军称约160个来自黎巴嫩的“发射物”射向以北部，被到爽流软，斗破苍穹美杜莎高潮喷水，成人🔞高潮片免费真人，艳妇全程穿着长靴做爰AV
04月13日|赣南山区新发现濒危植物突托蜡梅野外最大种群快讯！法国总统马克龙5日批准总理巴尼耶的辞职请求|🍌伸到🍑动漫|❌⌛❌❌❌❌69❌❌X18|男男Gay做❌❌高潮原神|少妇高潮喷出白浆
04月13日|创新思路激发消费潜能|男人露jiji㊙️免费网站暗夜|丝袜老师让我了一夜作文|91美女❌❌吸乳羞羞游戏|Pornhub亚洲入口在线观看
04月13日|八旬乡贤志在丹青 一笔一画传承中国廊桥文化|伪娘】白丝产卵（硅胶球）流出浓厚精液（润滑油|欧美男男Gay做受XXXⅩ|韩国美女裸体被❌羞羞|高清乱码🔞❌♋app
开拓者62分惨败雷霆，多方否认16岁学生获正高职称研发火箭|专精特新企业营收保持较快增长|日本中学生69熟|潘娇娇裸体㊙️无遮挡胸|欧美做爰又粗又大拔萝卜视频|小舞之
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
