SMRA — VibeThinker-3B 小模型推理增强实验

研究问题

SMRA 研究的是：在固定计算预算下，一个固定版本的 30 亿参数（3B）数学模型能否通过独立解题路径、确定性检查、错误定向重试、关键论断复核和自适应追加尝试，提高最终答案质量。评测对象是整个系统的表现，而不是底层模型是否已经达到前沿模型的能力水平。

实验设计

分阶段设计从 S0 开始：每题一次未经增强的 BF16 回答；S1 则加入三条独立路径与多数选择。后续阶段会加入确定性验证、错误驱动重试、对关键论断的质疑与复核，以及从 3 个候选自适应扩展到 5 个或 7 个候选。目前仅 S0 和 S1 的工程实现已完成并可运行。

冻结基线与可复现性

v0 BF16 基线固定了模型版本、提示词哈希、生成参数、随机种子列表、数据集清单和 Git 标签。每次运行都会记录 提示词、原始输出、词元（token）数量、延迟、内存、验证结果与源码提交记录。Frontier Text-20 通过独立评分桥评测，其答案保存在项目目录之外，模型无法访问。

当前阶段

本地运行时、调度、流式输出、运行记录、批量评测桥与桌面界面均已可用。Frontier Text-20 的正式结果仍待完成；下一里程碑是在加入验证或自适应阶段之前，先完成并复核冻结基线。

研究记录