快手 Klear-Reasoner 模型在数学推理领域取得突破，准确率突破90%大关
发布时间：2025-08-20 14:41:47 | 责任编辑：吴昊 | 浏览量：15 次
在大语言模型的竞争中，数学和代码推理能力已成为一项重要的评估标准。快手最近发布的 Klear-Reasoner 模型基于 Qwen3-8B-Base 打造，其在多个权威基准测试中表现出色，数学推理的准确率甚至突破了90%，成为同规模模型中的佼佼者。
Klear-Reasoner 的成功源于其采用的 GPPO（Gradient-Preserving Clipping Policy Optimization）算法。这种算法在保证训练稳定性的同时，显著提升了模型的探索能力。传统的裁剪策略虽然能控制模型的更新幅度，确保训练过程的稳定性，但也存在着 “丢弃重要信息” 的问题，导致模型变得保守。而 GPPO 则通过一种 “温和” 的方式，让所有梯度参与反向传播，既保留了探索的可能性，又加快了模型对错误的修正速度。
在各类基准测试中，Klear-Reasoner 都展现出超越其他同规模开源模型的强劲实力。例如，在 AIME2024测试中，该模型取得了90.5% 的高分，而在 AIME2025测试中，也达到了83.2% 的优秀成绩。Klear 团队还分享了其训练的详细流程，包括对数据质量的重视、在高难样本中保留错误的策略、使用软奖励来提高模型的学习效率等关键环节。
值得注意的是，Klear 团队在实验中发现，优质数据源的质量往往比数量更为重要。在 SFT 阶段，通过过滤错误数据并专注于高质量样本，可以提升模型的训练效率。此外，团队还指出在强化学习阶段，使用软奖励策略比硬奖励更为有效，能够增强模型的学习稳定性。
Klear-Reasoner 的发布不仅展示了快手在 AI 领域的技术进步，也为推理模型的训练提供了一条可复现的道路。这一成果为未来的研究和开发提供了宝贵的经验和启示。
Hugging Face地址:https://huggingface.co/Suu/Klear-Reasoner-8B
GitHub地址:https://github.com/suu990901/KlearReasoner/tree/main
划重点:
🌟 Klear-Reasoner 模型在数学推理准确率上突破90%，成为8B 模型中的领军者。
🧠 GPPO 算法提升了模型的探索能力，解决了传统裁剪策略的隐性问题。
📈 关注数据质量和训练策略，Klear 团队的研究为推理模型提供了有效的训练方法。
快手Klear-Reasoner模型登顶，数学推理准确率超90%
由快手Klear团队开发的Klear-Reasoner推理大模型于2025年8月发布，基于Qwen3-8B-Base架构，通过创新的训练方法在数学与代码推理任务中取得突破。
-
突破性表现：在AIME2024数学竞赛中，Klear-Reasoner以90.5%的准确率刷新8B模型纪录，AIME2025中亦达83.2%；在编程任务LiveCodeBench V5和V6中分别取得66.0%和58.1%的成绩。
-
核心技术：模型采用GPPO（Gradient-Preserving Clipping Policy Optimization）算法，解决了传统方法中训练稳定性与探索能力的矛盾，通过保留梯度信息提升模型性能。
-
数据与训练策略：团队重视数据质量而非数量，采用严格去重和9-gram过滤，并保留部分错误样本以增强模型对思维陷阱的识别能力。
-
开源贡献：Klear-Reasoner完全公开训练细节与流程，为研究社区提供了可复现的高性能推理模型构建方案。
Klear-Reasoner的成功展示了轻量模型在复杂推理任务中的潜力，为AI推理能力提升提供了新的技术路径。
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。
