CAIE注册人工智能工程师

公众号作者

CAIE，全称 Certifed Artifcial Intelligence Engineer（人工智能工程师），简称 CAIE（赛一） ，是人工智能领域的技能等级认证。旨在评估和培养具备人工智能理论基础与实战能力的职业人士。

知名开源平台LiquidAl开源了最新纯强化学习的小模型LFM2-2.6B-Exp。

在指令遵循、知识问答和数学基准测试上超过目前市面上所有的同类模型，特别是在LFBench基准测试中的得分，甚至超过了规模比它大263倍的DeepSeekR1-0528成为目前最强开源小模型。

对于LFM2-2.6B-Exp超强性能，网友表示，30 亿参数的模型击败 263 倍规模的大模型，这简直疯了，但也在某种程度上证明，当更聪明的训练方法就能奏效时，我们一直在把算力浪费在更大的模型上。

在指令遵循任务上击败参数规模是其200倍的大模型，这对一个小模型来说是效率的惊人展示。

参数规模正式沦为 “虚荣指标”。智能密度才是新的王道。

击败参数规模是其 263 倍的模型，证明现代 AI 的关键在于架构效率，而不只是把更多算力砸向问题。我们终于从蛮力参数堆砌迈向了精准工程。

哇塞，一个 30 亿参数的模型，性能居然超过了比它大263倍的模型？这简直是强化学习的黑魔法，太离谱了！

LiquidAl对LFM2-2.6B-Exp做了详细的性能测试，覆盖了指令遵循、知识、数学好几个领域，咱们直接看数据就知道有多能打。

在IFBench上，LFM2-2.6B-Exp拿到了73.05的高分，比同系列的LFM2-2.6B高出一大截，更是把Llama-3.2-3B-Instruct、granite-4.0-micro这些同级别模型甩在身后。MuLti-IF测试里它冲到了88.13分，指令理解和执行能力直接拉满。

知识类测试也不弱，MMLU-Pro拿到41.31分，比Llama-3.2-3B-Instruct的21.72分翻了快一倍；GPQA测试里更是从LFM2-2.6B的9.83分暴涨到22.67分，知识储备明显扎实了很多。

IFEval测试里53.87分的表现，也比同参数级模型高出不少，足以见得它在指令遵循上的硬实力。

LFM2-2.6B-Exp参数小性能强，所以特别适合做智能体任务、数据提取、检索增强生成、创意写作还有多轮对话，日常用起来灵活又高效。

顺便跟大家梳理下LFM2全系列的关键信息，方便大家根据需求选择。不管是3.5亿、7亿、12亿还是30亿参数的版本，上下文长度都能到32768个token，处理长文本完全没问题，词汇表大小也都是65536，支持英语、阿拉伯语、中文等8种语言，通用性很强。

不同的是网络层数，小参数版本是16层，30亿参数的LFM2-2.6B加到了30层，卷积层和注意力层的数量也相应增加，性能自然更上一层楼。

而且全系列都用了bfloat16精度，训练数据量都是10万亿个token，基础打得很牢，还都是LFM开源许可证v1.0，使用起来也放心。

官方给了推荐的生成参数配置，照着设基本不会出错。温度调到0.3，既能保证输出稳定又不会太死板；min_p设为0.15，能过滤掉那些低概率的无效令牌；

重复惩罚系数1.05，刚好能减少重复内容，又不会影响表达流畅度。按这个配置来，生成的内容质量会高很多。

不管你是想快速体验还是深入使用，官方给出了三种运行方式，操作起来都不复杂。

1.Transformers框架：这是最常用的方式，先安装HuggingFace的transformers库，要v4.55及以上版本，用pip命令就能装。然后加载模型和分词器，设置好生成参数，输入问题就能得到回复。