0:000:00
<p>该文档<strong>介绍并详细阐述了rStar2-Agent</strong>，一个由微软研究院开发的14B数学推理模型。该模型通过<strong>智能强化学习</strong>（Agentic Reinforcement Learning）进行训练，以超越传统长思维链（Long CoT）方法的性能。它在处理复杂问题时展现出<strong>先进的认知行为</strong>，例如在调用Python编码工具前进行仔细思考，并能根据代码执行反馈<strong>自主探索、验证和完善中间步骤</strong>。文档强调了<strong>rStar2-Agent的三个核心创新</strong>：高效的RL基础设施、GRPO-RoC代理RL算法，以及高效的代理训练方案。最终，rStar2-Agent-14B模型在数学推理方面取得了<strong>前沿水平的准确率</strong>，在AIME24测试中达到80.6%，并且在<strong>代码使用效率和泛化能力</strong>方面表现出色，其训练过程也具备极高的效率。</p><p>Source: <https://arxiv.org/abs/2508.20722></p>