一项名为Absolute Zero Reasoner（AZR）的创新项目近日引发广泛关注。该项目通过一种全新的“绝对零点”训练范式，让大型语言模型(LLM)能够自主提出问题、编写代码、运行验证，并通过自我博弈(self-play)循环提升编程与数学能力。基于Qwen2.5-7B模型的测试数据显示，AZR在编程能力上提升了5分，数学能力提升了15.2分(满分100分)，展现了其在AI自进化领域的巨大潜力。
核心机制:强化自博弈与零数据训练
AZR的核心创新在于其强化学习验证推理（RLVR）机制。模型以提出者与解决者的双重角色运作:提出者生成具有挑战性的代码推理任务，解决者则编写代码并通过代码执行器验证答案的正确性。这一过程无需任何外部人工标注数据，完全依赖模型自身的迭代与反馈。AIbase了解到，AZR通过动态调整任务难度，持续优化其训练课程(curriculum)，从而实现数学与编程能力的显著提升。社交媒体上，开发者对这一“零数据”训练范式的效率与成果表示惊叹，认为其为AI模型的自进化开辟了新路径。
性能表现:超越传统模型
根据官方数据，AZR在多个基准测试中展现了优异表现。基于Qwen2.5-7B模型的测试表明，其在HumanEval（编程）和MATH(数学)等任务上的性能超越了同类“零数据”模型，整体表现达到开源模型的顶尖水平(state-of-the-art， SoTA)。具体而言，AZR在编程任务中提升了5%的得分，在数学任务中提升了15.2%，远超传统依赖大规模标注数据的模型。AIbase编辑团队认为，AZR的成功得益于其结合代码执行器进行实时验证，确保了推理过程的准确性和可靠性。
硬件需求:高显存成本
尽管AZR在性能上表现卓越，但其训练对硬件资源的需求较高。官方数据显示，运行不同规模的模型需要以下GPU配置:
3B参数模型:2块80GB GPU;
7B/8B参数模型:4块80GB GPU;
14B参数模型:8块80GB GPU。
这一高显存需求可能对普通开发者构成一定门槛，但对于具备高性能计算资源的研究机构或企业而言，AZR的高效自进化能力无疑具有巨大吸引力。社交媒体讨论指出，优化显存使用或开发更轻量化的模型将是AZR未来普及的关键。
AI自进化的未来方向
Absolute Zero Reasoner的发布标志着AI模型从依赖外部数据向自我驱动进化的重大转变。AIbase编辑团队认为，AZR的“零数据”范式不仅降低了数据收集的成本，还为模型在编程、数学等复杂推理任务中的应用提供了新思路。未来，随着硬件优化的推进和多领域任务的扩展，AZR有望进一步提升性能，成为AI自进化领域的标杆项目。
项目地址：https://github.com/LeapLabTHU/Absolute-Zero-Reasoner
本文由「aiuc」编辑整理，文章链接：https://www.aiuc.net/55243
该文观点仅代表作者本人，平台仅提供信息存储空间服务。
