Reasonflux F1

🚀 ReasonFlux: 階層的LLM推論における思考テンプレートの拡張

革新的なテンプレート拡張推論パラダイムにより、32Bモデルが推論タスクにおいてo1-miniやDeepSeek-R1蒸留モデルを上回る性能を発揮します。

📦 モデル情報

✨ 主な機能

ReasonFlux-F1-32Bは、ReasonFlux-Zeroからのテンプレート拡張推論軌道を活用して微調整されたSOTAレベルの推論LLMです。

• GitHubリポジトリ: Gen-Verse/ReasonFlux
• 論文: ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates
• データセット: Gen-Verse/ReasonFlux-F1-SFT

📊 評価

以下は、ReasonFlux-F1-32BのAIME2024、AIM2025、MATH500、GPQA-Diamondなどの難しい推論タスクでの評価結果です。公平な比較のため、ReasonFlux-F1の評価スクリプトを使用しています。

💻 使用例

基本的な使用法

from vllm import LLM, SamplingParams
from transformers import AutoTokenizer

model_id = 'Gen-Verse/ReasonFlux-F1'

model = LLM(
    model_id,
    tensor_parallel_size=8,
)
tokenizer = AutoTokenizer.from_pretrained(model_id)

sampling_params = SamplingParams(
    max_tokens=32768,
)
# 2022 AIME I Problems/Problem 15
question = """Let \(x, y\), and \(z\) be positive real numbers satisfying the system of equations:
\[
\begin{array}{c}
\sqrt{2 x-x y}+\sqrt{2 y-x y}=1 \\
\sqrt{2 y-y z}+\sqrt{2 z-y z}=\sqrt{2} \\
\sqrt{2 z-z x}+\sqrt{2 x-z x}=\sqrt{3} .
\end{array}
\]
Then \(\left[(1-x)(1-y)(1-z)\right]^{2}\) can be written as \(\frac{m}{n}\), where \(m\) and \(n\) are relatively prime positive integers. Find \(m+n\)."""
ds_prompt="<｜User｜>\n" + question + "<｜Assistant｜>\n"
output = model.generate(ds_prompt, sampling_params=sampling_params)
print(output[0].outputs[0].text)

📄 引用

@article{yang2025reasonflux,
  title={ReasonFlux: Hierarchical LLM Reasoning via Scaling Thought Templates},
  author={Yang, Ling and Yu, Zhaochen and Cui, Bin and Wang, Mengdi},
  journal={arXiv preprint arXiv:2502.06772},
  year={2025}
}