MetaStone-S1

MetaStone-S1 – 原石科技推出的反思型生成式大模型

MetaStone-S1是原石科技推出的一款具有创新性的反思型生成式大模型，它首次融合了深度推理与推理链自筛选能力。 该模型的核心在于自监督反思范式，采用共享主干的策略模型和过程评分模型（SPRM），通过仅增加53M参数即可实时评估推理步骤质量，无需人工标注。 MetaStone-S1支持Long-CoT强化学习，能够生成超长推理链，并在数学、代码和中文推理任务中展现出优越性能。

MetaStone-S1：开启“自我修正”推理新篇章

原石科技隆重推出MetaStone-S1，一款颠覆传统的生成式大模型。它不仅具备强大的推理能力，更独具“自我修正”的智慧，引领推理智能步入新纪元。

核心功能：

• 深度推理引擎：MetaStone-S1能够构建超长且复杂的推理链，尤其擅长解决数学证明、程序算法等高难度问题。
• 智能链条优化：内置自监督过程评分机制（SPRM），能够自动识别并剔除推理过程中的错误步骤，从而显著提高答案的准确性。
• 多模式推理：提供Low（快速）、Medium（平衡）、High（深度）三种工作模式，满足不同场景下的推理需求。
• 开放生态：全面开源1.5B、7B、32B三种规模模型及配套工具，方便开发者在特定领域进一步优化模型的推理能力。

技术亮点：

• 双头共享架构：策略模型（Policy Model）和过程评分模型（SPRM）共享主干网络，Transformer层上并行部署生成头和评分头。前者负责生成推理链，后者则基于自监督学习对每个推理步骤进行实时评分。
• 自监督过程奖励：采用SPR Loss（自监督过程奖励损失）算法，利用最终答案的正确性作为弱监督信号，通过噪声过滤机制自动生成步骤级伪标签，实现过程评分模型的训练，摆脱了对人工标注的依赖。
• 动态推理择优：在推理阶段运用Test-Time Scaling技术：首先生成多条候选推理链（例如High模式生成32条），然后利用SPRM计算路径总分，最终选择最优路径继续生成，形成“生成-评估-择优”的闭环。
• 协同优化机制：基于GRPO强化学习算法，同步优化策略模型和SPRM。策略模型旨在最大化答案正确率，而SPRM则通过对比学习区分优质/低质推理步骤，两者共享梯度，实现协同进化。
• 涌现能力调控：设计思考长度与模型性能的Scaling Law，通过调整rollout次数控制计算量（参数量×思考token数），实现从快速响应（Low）到深度思考（High）的平滑过渡。

产品官网：

• GitHub仓库：https://github.com/MetaStone-AI/MetaStone-S1
• HuggingFace模型库：https://huggingface.co/MetaStoneTec
• arXiv技术论文：https://arxiv.org/pdf/2507.00195

应用场景：

• 教育领域：化身“AI导师”，精准解答数学/物理竞赛题目，并生成可交互的解题路径说明。
• 法律领域：深度解析合同条款的逻辑关系，精准识别潜在法律风险，提供符合法律逻辑的修订建议。
• 智能制造：基于多级因果推理，快速定位工业设备故障根源，并生成最优维修方案，显著提升生产效率。
• 学术写作：支持科研论文的公式推导和理论验证，确保学术内容的逻辑严谨性。

常见问题解答：

Q: MetaStone-S1与其他模型的区别是什么？

A: MetaStone-S1的核心优势在于其“自我修正”能力，通过自监督过程评分机制，能够自动优化推理链，提高答案准确性。同时，它支持Long-CoT强化学习，能够生成超长推理链，解决更复杂的问题。

Q: MetaStone-S1的部署成本如何？

A: MetaStone-S1提供了1.5B、7B、32B三种规模的模型，开发者可以根据实际需求选择合适的版本。开源特性也降低了部署成本。

Q: 如何开始使用MetaStone-S1？

A: 您可以通过访问GitHub仓库和HuggingFace模型库获取MetaStone-S1的代码和模型，并参考相关文档进行部署和使用。