rStar-Math とは
rStar-Math は MCTS による深い思考と自己進化で小型言語モデルの数学推論を高める研究と紹介されている。
できること
- モンテカルロ木探索で測試時探索を行う
- コード拡張の連鎖推論から検証済み軌跡を合成する
- 四回の自己進化で方策 SLM と過程報酬モデルを育てる
長所と短所
✓ 良い点
- 過程報酬モデルが段階ごとの採点を避ける
- 四回の自己進化で数百万の合成解を用いる
! 注意したい点
- 手法は測試時の探索に依存
- 方策 SLM と過程報酬モデルの両方が要る
よくある質問
探索の手法は?
資料はモンテカルロ木探索と過程報酬モデルと説明。
AIME の結果は?
資料は平均 53.3%、15 問中 8 問と説明。
最終評価日: 2026-11-15
その他 LLM APIプラットフォーム ツール
すべて見る →-
302.AI 数百の大規模モデルを単一の API に集約したクラウド 開発者ツール API連携 マルチモデルプラットフォーム モデルデプロイ LLM APIプラットフォーム -
360智脑开放平台 360 モデル API プラットフォーム API連携 マルチモデルプラットフォーム ナレッジベースQ&A 企業自動化 LLM APIプラットフォーム -
4o Image API 画像生成 API ゲートウェイ 無料ツール フリーミアムツール 開発者ツール API連携 LLM APIプラットフォーム -
AI-Flow ノーコードのマルチモデルワークフロー ワークフロー自動化 開発者ツール API連携 ナレッジベースQ&A LLM APIプラットフォーム -
AI/ML API 多数のモデルへの単一ゲートウェイ 開発者ツール API連携 マルチモーダル マルチモデルプラットフォーム LLM APIプラットフォーム -
Amazon Bedrock AWS のコード提案とセキュリティスキャン 無料ツール コードアシスタント IDE アプリ構築ツール LLM APIプラットフォーム