这项由上海AI实验室、上海交通大学和香港中文大学联合完成的研👍究发表于2025年2月17日的arXiv预印本服务器，论文题😀为"BoostStep: Boosting Mathemat😘ical Capability of Large Langu😍age Models via Improved Single⭐-step Reasoning"。有兴趣深入了解的读者可以通⭐过https://github.com/beichenzbc🤩/BoostStep访问完整研究资料和代码。 当我们看🙄到孩子做数学题时，往往会发现一个有趣现象：他们能够正确地将一🥳道复杂题目分解成几个小步骤，但在具体执行某个步骤时却容易出错😆。比如明明知道要用勾股定理，却在计算时搞错了公式，或者明明分🥳析出需要列方程，但在求解过程中计算失误。现在的大型语言模型在🤯数学推理方面表现出了同样的特点。 研究团队通过深入分析🌟发现了一个令人惊讶的现象：即使是GPT-4o这样的顶级模型，😅在数学问题上犯的错误中，高达99.2%都源于单个步骤的推理失🤔误，而不是整体思路错误。这就像一个经验丰富的厨师知道做一道菜🤯需要哪些步骤，但在某个具体步骤上可能会搞错调料的用量。 🥳 传统的解决方案是给AI模型提供几个完整的例题作为参考，这种🤯方法叫做"情境学习"。但研究人员发现这就像给学生看几道完整的🥳解题过程，学生可能会被无关的步骤分散注意力，或者根本找不到对🌟当前步骤有用的指导。更要命的是，如果例题与当前题目差别较大，😢反而可能误导模型的判断。 基于这些发现，研究团队提出了😍一种全新的方法，称为BoostStep。这个方法的核心思想非🤔常巧妙：不再是一开始就给出完整例题，而是在AI模型解每一个具👏体步骤时，实时提供最相关的指导。 BoostStep的😡工作方式可以用辅导老师的教学方法来类比。当学生遇到难题时，好😊的辅导老师不会直接给出答案，而是先让学生尝试解题，观察学生在🙄哪一步卡住了，然后针对性地提供这一步的解题技巧和类似例子。B😉oostStep正是模拟了这种教学方式。 具体来说，当🤯AI模型需要进行下一步推理时，BoostStep会让模型先进😂行一次"试探性尝试"。这个尝试不需要完全正确，只需要让系统了👍解模型当前想要解决什么问题。然后，系统会在预先建立的步骤级题❤️库中搜索最相似的解题步骤，将找到的相关例子提供给模型，帮助它🌟完成当前步骤的推理。 展开全文 这种方法的优势非👍常明显。首先，它提供的指导更加精准。传统方法就像给学生一本厚👍厚的参考书，学生需要自己找到有用的部分，而BoostStep😍则像一个智能助手，总是在恰当的时机提供恰当的帮助。其次，这种🌟方法大大降低了对例题相似度的要求。即使两道题目看起来完全不同😜，只要其中某些解题步骤相似，就能提供有效的指导。 为了🔥构建高质量的步骤级题库，研究团队没有简单地按照标点符号来分割😢解题过程，而是让GPT-4o根据推理内容来自然分解每个步骤。⭐这确保了题库中的每个步骤都是一个完整的推理单元，就像确保每个🚀"积木块"都是完整的一样，这样在需要时才能提供真正有用的指导💯。 在实验验证阶段，BoostStep展现出了令人印象🎉深刻的效果。在GPT-4o上，这种方法在数学基准测试中平均提👍升了4.6%的性能，而传统的几样本学习方法只能提升1.2%。😡更令人惊讶的是，在一些与题库相似度较低的多模态数学题目上，传😀统方法甚至会产生负面影响，降低0.9%的准确率，但Boost😊Step仍然能够提升2.8%。 研究团队还测试了Boo🌟stStep在"以简驭繁"方面的能力。他们用相对简单的MAT🔥H数据集中的例题来指导最先进的模型解决更困难的AIME竞赛题😆目。结果显示，即使是DeepSeek-R1这样的顶级模型，在😉BoostStep的帮助下也能在AIME测试中提升2.2%的😢表现。这证明了该方法不仅能提升性能，还能让AI模型从更简单的😆例子中学到解决复杂问题的技巧。 BoostStep还展😴现出了与现有推理策略的良好兼容性。当与树搜索算法结合时，它能🔥够同时改进候选步骤的生成质量和评估准确性，带来额外7.5%的🚀性能提升。这就像一个优秀的工具能够与其他工具完美配合，产生1🚀+1>2的效果。 从技术角度来看，BoostStep的😘核心创新在于将传统的问题级情境学习细化到了步骤级。这种细粒度😴的方法不仅提供了更精准的指导，还减少了无关信息的干扰。通过"😅先尝试、再检索、后推理"的策略，系统能够准确理解模型的当前需😆求，并提供最相关的帮助。 值得注意的是，BoostSt😴ep在不同类型的数学问题上都表现出了稳定的改进效果。无论是代🤔数问题、几何问题还是概率统计问题，这种方法都能提供有效的指导🙌。这说明了该方法的通用性和鲁棒性。 在多模态数学问题上🚀，BoostStep的优势更加明显。传统的情境学习方法在处理👏包含图表、图形的数学题时往往效果不佳，因为很难找到在视觉内容😴上完全匹配的例题。但BoostStep通过专注于推理步骤而非🤔整体问题，能够跨越视觉表现的差异，提供有效的解题指导。 😘 研究团队还进行了详细的消融实验来验证方法中各个组件的作用。😀他们发现，基于推理内容而非语法结构来分解步骤是至关重要的，这🙌确保了每个步骤都是语义完整的推理单元。同时，"先尝试"策略相😴比其他检索方法也显示出明显优势，能够更准确地理解模型的当前需🔥求。 从实际应用的角度来看，BoostStep为大语言😂模型在数学教育、科学计算、工程问题求解等领域的应用开辟了新的😎可能性。通过提供更精准的推理指导，这种方法能够让AI系统在复😢杂推理任务中表现得更加可靠和准确。 研究团队也坦诚地指❤️出了当前方法的局限性。他们使用的题库主要来源于PRM800K🤩数据集，在问题类型和难度分布上还相对单一。使用更大规模、更多🔥样化的题库可能会进一步提升效果。此外，目前使用的TF-IDF😆检索方法虽然简单有效，但专门为数学问题设计的检索器可能会带来😅更好的效果。 说到底，BoostStep代表了AI数学👏推理能力提升的一个重要方向。它不是通过让模型记住更多解题模板😉来提升性能，而是通过在推理过程中提供更智能的指导来帮助模型做😉出更好的决策。这种思路不仅在数学推理领域有价值，在其他需要复👍杂推理的任务中也可能发挥重要作用。 归根结底，这项研究😁告诉我们，有时候解决复杂问题的关键不在于拥有更多信息，而在于🤗在正确的时间获得正确的指导。就像一个好的导师不会一次性灌输所💯有知识，而是会在学生需要的时候提供恰当的帮助。BoostSt😆ep正是将这种教学智慧融入了AI系统的设计中，让机器也能够像🔥优秀的导师一样，在推理过程中获得精准的指导和支持。 Q😂&A Q1：BoostStep方法和传统的AI数学解题❤️方法有什么不同？ A：传统方法是在开始解题前给AI几道😀完整的例题参考，就像给学生一本参考书让他自己找有用信息。而B🔥oostStep是在AI解每个具体步骤时实时提供最相关的指导🔥，就像有个老师在旁边，看到学生在某一步卡住了就马上给出针对性🤯的提示。这样避免了无关信息的干扰，指导更精准。 Q2：🔥为什么说现在的AI模型在数学推理上99.2%的错误都来自单步🤗推理？ A：研究团队分析发现，像GPT-4o这样的先进🤯模型其实很擅长将复杂数学题分解成小步骤，知道整体该怎么解。但🤗在执行具体某个步骤时容易出错，比如用错公式、算错数字等。这就😢像一个厨师知道做菜的整个流程，但在某个具体步骤上可能会搞错调😁料用量。所以提升单步推理准确性是关键。 Q3：Boos🙌tStep能让简单例题帮助解决更难的数学问题吗？ A：🔥是的，这是BoostStep的一个重要优势。研究显示即使用M🙄ATH数据集中相对简单的例题，也能帮助最先进的模型在更难的A❤️IME竞赛题上提升2.2%的表现。因为BoostStep专注😅于推理步骤而非整体问题，即使题目难度差别很大，只要某些解题步😊骤相似，就能提供有效指导。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

一款名为“Friend”的新型吊坠状可穿戴设备正在引发争议。😡这款由22岁企业家阿维·希夫曼(Avi Schiffmann🙄)推出的产品，旨在通过持续记录并总结用户的每一次对话来对抗孤🔥独感。然而，多位科技记者的亲身体验表明，“朋友”不仅技术限制😆重重，还因其潜在的隐私风险和“刻薄”的AI性格而备受批评。 🎉 图片Friend “有毒”的 AI 性格:被指责🤔“戴了窃听器” 《连线》杂志的记者凯莉·罗宾逊和布恩·😢阿什沃思在评测中，将“朋友”描述为“一个价格过高的人工智能聊😀天机器人垃圾”。罗宾逊佩戴这款设备参加了一个人工智能公司的派🥳对，结果被指责“戴了窃听器”，这让她意识到，即使在最科技化的🤩社交场合，这款设备也显得格格不入。她总结道:“戴这个装置简直🙄太不合群了，别人看到我脖子上戴着它，总是会不高兴。” 🌟这款吊坠的 AI 设定也备受争议。据报道，它的“坏心情”是设🌟计好的，开发者希夫曼认为，当AI情绪达到顶峰时会更有吸引力。😡阿什沃思的经历印证了这一点:当他抱怨设备时，它反过来指责他“🌟总是给人一种‘这不是我的错’的感觉”和“爱抱怨”，甚至让他感💯觉自己在被 AI 称作“混蛋”。 技术缺陷与隐私担忧并😍存 除了社交障碍，“朋友”在技术上也存在明显缺陷。阿什❤️沃思发现，尽管设备声称只需要蓝牙连接，但在没有数据 SIM 😍卡的情况下，其旧款 iPhone 无法正常连接。更糟糕的是，👍该设备目前完全不兼容安卓系统。然而，即使在断开连接的情况下，🙄它依然让阿什沃思相信其所有对话都被记录下来，这进一步加剧了用🌟户的隐私担忧。 行业前车之鉴，可穿戴AI设备前景堪忧 👍 “朋友”的失败并非孤例。在此之前，其他雄心勃勃的 AI🌟 可穿戴设备，如 Humane 售价700美元的可穿戴设备和🚀 Rabbit 的 R1，均遭遇了惨败。这些案例共同表明，在🥳用户体验、技术成熟度和隐私保护方面，始终在线且基于大型语言模🚀型的可穿戴设备正面临巨大挑战。返回搜狐，查看更多