本文へスキップ

rStar-Math

自己進化で小型モデルの数学推論を高める

公式サイトを見る

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 →

評価方法