ITCOW牛新网 11月17日消息，国内人工智能企业月之暗面昨日宣布 Kimi 首款数学推理模型——k0-math正式发布。官方表示，该模型在多个数学基准测试中展现出与 OpenAI o1 系列模型相近的能力。
据悉，k0-math 的设计灵感来源于强化学习技术，相比传统基于“Next-Token”预测的模型，它更强调动态学习与深度推理能力。月之暗面创始人杨植麟表示，仅依赖静态数据的预测模型难以解决复杂问题，而强化学习能够赋予 AI 更接近“思考”的能力。例如，在解答复杂数学题时，k0-math 可以尝试多种方法并通过整合不同思路获得最终答案，这种能力在人工智能领域被视为一项重要突破。
据ITCOW牛新网了解，k0-math 的研发重点在于数学场景，这不仅因为数学被称为“宇宙的语言”，还因其无需与外界交互便能形成完整的训练闭环。杨植麟指出，数学问题本质上是最佳的 AI 思考能力培养场景，这与 OpenAI 的 o1 模型起步路径不谋而合。
在多个公开测试中，k0-math 的表现十分亮眼。其初代模型在中考、高考、考研以及 MATH 基准测试中均超越 OpenAI 的 o1-mini 和 o1-preview 两款模型；在更高难度的 OMNI-MATH 和 AIME 竞赛题测试中，k0-math 的得分分别达到 o1-mini 最优表现的 90% 和 83%。
未来，月之暗面计划在 Kimi 探索版中上线 k0-math 强化学习版本，进一步增强意图识别、信源分析和链式思考能力。开发团队特别关注奖励模型的设计，以有效过滤无效或错误的学习数据，从而更精准地提升模型的推理能力。
尽管成绩优异，k0-math 也面临挑战。例如，对于简单问题如“1+1等于几”，模型仍会进行冗长的推理过程，最终才能得出正确答案。这种“过度思考”现象被认为与奖励机制的自由度相关。对此，杨植麟表示，通过调整奖励模型的结构，可在一定程度上抑制不必要的复杂推理，同时为用户提供选择权，让模型灵活匹配不同算力需求。
除了数学领域，k0-math 的开发团队还计划将其推理能力泛化到物理、化学和生物医学等更多领域。通过不断优化强化学习技术，月之暗面希望将 k0-math 打造为一个跨学科的推理引擎，为科学研究提供强大的计算支持。