一項名爲Absolute Zero Reasoner（AZR）的創新項目近日引發廣泛關注。該項目通過一種全新的“絕對零點”訓練範式，讓大型語言模型(LLM)能夠自主提出問題、編寫代碼、運行驗證，並通過自我博弈(self-play)循環提升編程與數學能力。基於Qwen2.5-7B模型的測試數據顯示，AZR在編程能力上提升了5分，數學能力提升了15.2分(滿分100分)，展現了其在AI自進化領域的巨大潛力。

image.png

核心機制:強化自博弈與零數據訓練

AZR的核心創新在於其強化學習驗證推理（RLVR）機制。模型以提出者與解決者的雙重角色運作:提出者生成具有挑戰性的代碼推理任務，解決者則編寫代碼並通過代碼執行器驗證答案的正確性。這一過程無需任何外部人工標註數據，完全依賴模型自身的迭代與反饋。AIbase瞭解到，AZR通過動態調整任務難度，持續優化其訓練課程(curriculum)，從而實現數學與編程能力的顯著提升。社交媒體上，開發者對這一“零數據”訓練範式的效率與成果表示驚歎，認爲其爲AI模型的自進化開闢了新路徑。

性能表現:超越傳統模型

根據官方數據，AZR在多個基準測試中展現了優異表現。基於Qwen2.5-7B模型的測試表明，其在HumanEval（編程）和MATH(數學)等任務上的性能超越了同類“零數據”模型，整體表現達到開源模型的頂尖水平(state-of-the-art， SoTA)。具體而言，AZR在編程任務中提升了5%的得分，在數學任務中提升了15.2%，遠超傳統依賴大規模標註數據的模型。AIbase編輯團隊認爲，AZR的成功得益於其結合代碼執行器進行實時驗證，確保了推理過程的準確性和可靠性。

image.png

硬件需求:高顯存成本

儘管AZR在性能上表現卓越，但其訓練對硬件資源的需求較高。官方數據顯示，運行不同規模的模型需要以下GPU配置:

3B參數模型:2塊80GB GPU;

7B/8B參數模型:4塊80GB GPU;

14B參數模型:8塊80GB GPU。

這一高顯存需求可能對普通開發者構成一定門檻，但對於具備高性能計算資源的研究機構或企業而言，AZR的高效自進化能力無疑具有巨大吸引力。社交媒體討論指出，優化顯存使用或開發更輕量化的模型將是AZR未來普及的關鍵。

AI自進化的未來方向

Absolute Zero Reasoner的發佈標誌着AI模型從依賴外部數據向自我驅動進化的重大轉變。AIbase編輯團隊認爲，AZR的“零數據”範式不僅降低了數據收集的成本，還爲模型在編程、數學等複雜推理任務中的應用提供了新思路。未來，隨着硬件優化的推進和多領域任務的擴展，AZR有望進一步提升性能，成爲AI自進化領域的標杆項目。

項目地址：https://github.com/LeapLabTHU/Absolute-Zero-Reasoner